Flume-实时监控单个文件追加内容（Exec Source+Logger Sink或HDFS Sink）

野性酷女 2023-01-23 12:56 2阅读 0赞

## 实时监控单个文件追加内容 ##

案例需求:实时监控日志文件内容,并上传到 HDFS 中

使用exec source监控本地文件修改；将任务，分成两个部分，先将文件修改的内容输出到控制台打印，然后再输出到HDFS上

### 监控文件内容输出到控制台 ###

配置文件内容如下：

# Name the components on this agent
    a1.sources = r1
    a1.sinks = k1
    a1.channels = c1
    
    # Describe/configure the source
    a1.sources.r1.type = exec
    a1.sources.r1.command = tail -f /home/bd/tmp/log
    
    # Describe the sink
    a1.sinks.k1.type = logger
    
    # Use a channel which buffers events in memory
    a1.channels.c1.type = memory
    a1.channels.c1.capacity = 1000
    a1.channels.c1.transactionCapacity = 100
    
    # Bind the source and sink to the channel
    a1.sources.r1.channels = c1
    a1.sinks.k1.channel = c1

运行命令如下：

bin/flume-ng agent -c conf/ -f job/file-flume-logger.conf -n a1 -Dflume.root.logger=INFO,console

运行起来之后，往文件中写入几行数据，查看运行情况：

![在这里插入图片描述][20210715085320539.png]

确实实时将新写入的数据打印到了控制台上。

### 监控文件内容输出到HDFS ###

Flume要想将数据输出到 HDFS,必须持有Hadoop相关jar包

commons-configuration-1.6.jar
    commons-io-2.4.jar
    htrace-core-3.1.0-incubating.jar
    hadoop-common-2.7.2.jar
    hadoop-auth-2.7.2.jar
    hadoop-hdfs-2.7.2.jar
    
    ## 将以上jar包拷贝到flume的lib文件夹下

配置文件中的其他配置可以通过[http://flume.apache.org/releases/content/1.7.0/FlumeUserGuide.html][http_flume.apache.org_releases_content_1.7.0_FlumeUserGuide.html]进行查看，HDFS是实践中比较常用的sink。

非常常用的配置如下

<table> 
 <thead> 
  <tr> 
   <th>name</th> 
   <th>default</th> 
   <th>description</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>hdfs.rollInterval</td> 
   <td>30</td> 
   <td>多少秒之后进行文件的滚动，配置成0时不通过时间滚动</td> 
  </tr> 
  <tr> 
   <td>hdfs.rollSize</td> 
   <td>1024</td> 
   <td>文件达到多大之后进行文件滚动，单位为byte，最好配置成比HDFS的块小一点点（保证一个文件不会超过一个块，如配置成127 * 1024 * 1024），配置成0时不通过大小滚动</td> 
  </tr> 
  <tr> 
   <td>hdfs.rollCount</td> 
   <td>10</td> 
   <td>事件达到多少之后进行文件滚动，配置成0是不通过事件数进行滚动</td> 
  </tr> 
  <tr> 
   <td>hdfs.round</td> 
   <td>false</td> 
   <td>是否进行文件夹滚动，false为关闭，true为开启；配置文件夹滚动时，保存文件的文件夹名称需要与时间进行关联如 /test%Y%m%d</td> 
  </tr> 
  <tr> 
   <td>hdfs.roundValue</td> 
   <td>1</td> 
   <td>文件夹滚动的value与单位共同作用</td> 
  </tr> 
  <tr> 
   <td>hdfs.roundUnit</td> 
   <td>second</td> 
   <td>单位有<code>second</code>, <code>minute</code> or <code>hour</code>.</td> 
  </tr> 
  <tr> 
   <td>hdfs.useLocalTimeStamp</td> 
   <td>false</td> 
   <td>是否使用本地时间戳，使用round的时候需要用到时间，因此有配置round时也需要将其配置成true</td> 
  </tr> 
 </tbody> 
</table>

配置文件内容如下：

# Name the components on this agent
    a2.sources = r2
    a2.sinks = k2
    a2.channels = c2
    
    # Describe/configure the source
    a2.sources.r2.type = exec
    a2.sources.r2.command = tail -F /home/bd/tmp/log
    
    # Describe the sink
    a2.sinks.k2.type = hdfs
    a2.sinks.k2.hdfs.path = hdfs://hadoop113:9000/flume/%Y%m%d/%H
    
    #上传文件的前缀
    a2.sinks.k2.hdfs.filePrefix = logs-
    
    #是否按照时间滚动文件夹
    a2.sinks.k2.hdfs.round = true
    #多少时间单位创建一个新的文件夹
    a2.sinks.k2.hdfs.roundValue = 1
    #重新定义时间单位
    a2.sinks.k2.hdfs.roundUnit = hour
    
    #是否使用本地时间戳
    a2.sinks.k2.hdfs.useLocalTimeStamp = true
    
    #积攒多少个 Event 才 flush 到 HDFS 一次,到了一定时间了也会去flush
    a2.sinks.k2.hdfs.batchSize = 1000
    
    #设置文件类型,可支持压缩
    a2.sinks.k2.hdfs.fileType = DataStream
    
    #多久生成一个新的文件,60s
    a2.sinks.k2.hdfs.rollInterval = 60
    #设置每个文件的滚动大小
    a2.sinks.k2.hdfs.rollSize = 134217700
    #文件的滚动与 Event 数量无关
    a2.sinks.k2.hdfs.rollCount = 0
    
    # Use a channel which buffers events in memory
    a2.channels.c2.type = memory
    a2.channels.c2.capacity = 1000
    a2.channels.c2.transactionCapacity = 100
    
    # Bind the source and sink to the channel
    a2.sources.r2.channels = c2
    a2.sinks.k2.channel = c2

运行起来之后，文件如下，当前正在被写都以tmp后缀的

![在这里插入图片描述][20210715085306311.png]

[20210715085320539.png]: /images/20221004/a42ddb3ded664a81a90cb3e0d993f890.png
[http_flume.apache.org_releases_content_1.7.0_FlumeUserGuide.html]: http://flume.apache.org/releases/content/1.7.0/FlumeUserGuide.html
[20210715085306311.png]: /images/20221004/3539d29ee3c44234a2298874e703eff4.png