Flume案例：目录文件到HDFS

实时读取目录文件到HDFS案例

1）案例需求：使用flume监听整个目录的文件

2）需求分析：

创建一个文件

[jason@hadoop102 job]$ vim flume-dir-hdfs.conf

添加如下内容

a3.sources = r3       #定义source

a3.sinks = k3         #定义sink

a3.channels = c3      #定义channel

 

# Describe/configure the source

a3.sources.r3.type = spooldir   #定义source类型：目录

a3.sources.r3.spoolDir = /opt/module/flume/upload   #定义监控目录

a3.sources.r3.fileSuffix = .COMPLETED               #定义文件上传成功，后缀

a3.sources.r3.fileHeader = true                     #是否有文件头

#忽略所有以.tmp结尾的文件，不上传
a3.sources.r3.ignorePattern = ([^ ]*.tmp)

 

# Describe the sink

a3.sinks.k3.type = hdfs   #sink类型hdfs

a3.sinks.k3.hdfs.path = hdfs://hadoop102:9000/flume/upload/%Y%m%d/%H        #上传目标hdfs路径

#上传文件的前缀
a3.sinks.k3.hdfs.filePrefix = upload-

#是否按照时间滚动文件夹
a3.sinks.k3.hdfs.round = true

#多少时间单位创建一个新的文件夹
a3.sinks.k3.hdfs.roundValue = 1

#重新定义时间单位
a3.sinks.k3.hdfs.roundUnit = hour

#是否使用本地时间戳
a3.sinks.k3.hdfs.useLocalTimeStamp = true

#积攒多少个Event才flush到HDFS一次
a3.sinks.k3.hdfs.batchSize = 100

#设置文件类型，可支持压缩
a3.sinks.k3.hdfs.fileType = DataStream

#多久生成一个新的文件（0表示不按照时间来分割文件），单位：秒
a3.sinks.k3.hdfs.rollInterval = 600

#设置每个文件的滚动大小大概是128M
a3.sinks.k3.hdfs.rollSize = 134217700

#多少event生产新文件，0表示：文件的滚动与Event数量无关
a3.sinks.k3.hdfs.rollCount = 0

#多少个副本
a3.sinks.k3.hdfs.minBlockReplicas = 1

 

# Use a channel which buffers events in memory

a3.channels.c3.type = memory

a3.channels.c3.capacity = 1000

a3.channels.c3.transactionCapacity = 100

 

# Bind the source and sink to the channel

a3.sources.r3.channels = c3

a3.sinks.k3.channel = c3

3）启动监控文件夹命令

[jason@hadoop102 flume]$ bin/flume-ng agent --conf conf/ --name a3 --conf-file job/flume-dir-hdfs.conf

说明： 在使用Spooling Directory Source时

　　① 不要在监控目录中创建并持续修改文件，在另一篇博客中有处理方案（shell重命名文件）

　　② 上传完成的文件会以.COMPLETED结尾

　　③ 被监控文件夹每600毫秒扫描一次文件变动

4）向upload文件夹中添加文件

在/opt/module/flume目录下创建upload文件夹

[jason@hadoop102 flume]$ mkdir upload

向upload文件夹中添加文件

[jason@hadoop102 upload]$ touch jason.txt

[jason@hadoop102 upload]$ touch jason.tmp

[jason@hadoop102 upload]$ touch jason.log

5）查看HDFS上的数据

 6）等待1s，再次查询upload文件夹

[jason@hadoop102 upload]$ ll

总用量 0

-rw-rw-r--. 1 jason jason 0 5月  20 22:31 jason.log.COMPLETED

-rw-rw-r--. 1 jason jason 0 5月  20 22:31 jason.tmp

-rw-rw-r--. 1 jason jason 0 5月  20 22:31 jason.txt.COMPLETED