Flume-采集目录到HDFS

需求
某服务器的某特定目录下，会不断产生新的文件，每当有新文件出现，就需要把文件采集到HDFS中去
思路
根据需求，首先定义以下3大要素

1. 数据源组件，即source ——监控文件目录 : spooldir

1. 监视一个目录，只要目录中出现新文件，就会采集文件中的内容

2. 采集完成的文件，会被agent自动添加一个后缀：COMPLETED

3. 所监视的目录中不允许重复出现相同文件名的文件

2. 下沉组件，即sink——HDFS文件系统 : hdfs sink

3. 通道组件，即channel——可用ﬁle channel 也可以用内存channel

cd  /usr/flume/conf

mkdir  /usr/dirfile

vim spooldir.conf

#name the components on this agent 
a1.sources = r1 
a1.sinks = k1 
a1.channels = c1 
# Describe/configure the source 

##注意：不能往监控目中重复丢同名文件
a1.sources.r1.type = spooldir           #conf
a1.sources.r1.spoolDir = /usr/dirfile   #所监控的文件夹 
a1.sources.r1.fileHeader = true 

# Describe the sink     flume目录数据采集
a1.sinks.k1.type = hdfs 
a1.sinks.k1.channel = c1 
a1.sinks.k1.hdfs.path = hdfs://node01:8020/spooldir/files/%y-%m-%d/%H%M/ a1.sinks.k1.hdfs.filePrefix = events-  #文件前缀
a1.sinks.k1.hdfs.round = true          #  是否使用文件滚动
a1.sinks.k1.hdfs.roundValue = 10       #hdfs文件滚动周期
a1.sinks.k1.hdfs.roundUnit = minute 
a1.sinks.k1.hdfs.rollInterval = 3      #每三秒产生新文件
a1.sinks.k1.hdfs.rollSize = 20         #临时文件大小达到20个字节
a1.sinks.k1.hdfs.rollCount = 5         #临时文件大小达到5个event时
a1.sinks.k1.hdfs.batchSize = 1         #channel中event转入transactionCapacity的数量   
a1.sinks.k1.hdfs.useLocalTimeStamp = true  

#生成的文件类型，默认是Sequencefile，可用DataStream，则为普通文本 
a1.sinks.k1.hdfs.fileType = DataStream

# Use a channel which buffers events in memory 
a1.channels.c1.type = memory 
a1.channels.c1.capacity = 1000         #channels容量
a1.channels.c1.transactionCapacity = 100  #channels一次向sinks传递的文件数

# Bind the source and sink to the channel 
a1.sources.r1.channels = c1 
a1.sinks.k1.channel = c1

Step 2: 启动 Flume

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

flume-ng flume版本
-c conf  指定ﬂume自身的配置文件所在目录  
-f conf/spooldir.con  指定我们所描述的采集方案  
-n a1  指定我们这个agent的名字

Step 3: 上传文件到指定目录
将不同的文件上传到下面目录里面去，注意文件不能重名,尽量纯英文
cd /usr/dirfile

来源：CSDN

作者：浮躁-lh

链接：https://blog.csdn.net/qq_42214376/article/details/104105305

标签

HDFS

flume

文件目录