大数据学习7之分布式日志收集框架Flume——Flume实战应用之监控一个文件实时采集新增的数据输出到控制台

监控一个文件实时采集新增的数据输出到控制台

Agent选型： exec source +memory channel + logger sink

（1）在/home/hadoop/data目录下新建data.log文件

（2）到$FLUME_HOME/conf目录下创建配置文件exec-memory-logger.conf

# example.conf: A single-node Flume configuration

# Name the components on this agent     
# 解析：a1代表agent的名称，r1代表source的名称，k1代表sink的名称，c1代表channel的名称
a1.sources = r1
a1.sinks = k1
a1.channels = c1

# Describe/configure the source
# 详见官网 Exec Source配置说明
a1.sources.r1.type = exec
a1.sources.r1.command = tail -F /home/hadoop/data/data.log
a1.sources.r1.shell = /bin/sh -c


# Describe the sink
# 详见官网 logger sink配置说明
a1.sinks.k1.type = logger

# Use a channel which buffers events in memory
# 详见官网 memory channel
a1.channels.c1.type = memory
#a1.channels.c1.capacity = 1000
#a1.channels.c1.transactionCapacity = 100

# Bind the source and sink to the channel
# source-channel-sink      一个source可以输出到多个channel，一个channel只能输出到一个sink
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1

（3）启动agent

flume-ng agent \
--name a1 \
--conf $FLUME_HOME/conf   \
--conf-file $FLUME_HOME/conf/exec-memory-logger.conf \
-Dflume.root.logger=INFO,console

（4）通过往监控文件追加数据进行测试

扩展：如果要监控一个文件实时采集新增的数据，做离线处理，应该输出到HDFS，可以使用HDFS Sink；如果做实时处理，应该输出到Kafka，应该使用Kafka Sink。