Flume案例四：实时监控目录下多个新文件(Spooling Directory Source)

本文接上篇博客：Flume介绍、安装、使用案例、自定义Source/Sink、监控
Flume 版本：1.9.0
本文hdfs sink，需 Hadoop 支持，Hadoop相关内容，请参考：Hadoop专栏

1.实时监控目录下多个新文件

选型：spooling directory source + memory channel + hdfs sink

文档参考：
 spooling directory source：http://flume.apache.org/releases/content/1.9.0/FlumeUserGuide.html#spooling-directory-source
 memory channel：http://flume.apache.org/releases/content/1.9.0/FlumeUserGuide.html#memory-channel
 hdfs sink：http://flume.apache.org/releases/content/1.9.0/FlumeUserGuide.html#hdfs-sink
 
提示：
  Exec source 适用于监控一个实时追加的文件，但不能保证数据不丢失；Spooling Directory Source 能够保证数据不丢失，且能够实现断点续传，但延迟较高，不能实时监控；而 Taildir Source 既能够实现断点续传，又可以保证数据不丢失，还能够进行实时监控，集两者优点于一身，更推荐使用Taildir Source。
 
推荐：
  如果你要使用 Spooling Directory Source，生产上更推荐使用 Taildir source，本文仅做了解学习使用。Taildir Source 参考：https://blog.csdn.net/lzb348110175/article/details/118189312

2.需求图示

3.flume配置

flume-spooldir-hdfs.conf

# Name the components on this agent
a1.sources = r1
a1.sinks = k1
a1.channels = c1

# Describe/configure the source
a1.sources.r1.type = spooldir
a1.sources.r1.spoolDir = /opt/module/testdir
a1.sources.r1.fileHeader = true
a1.sources.r1.fileSuffix = .COMPLETED
#忽略所有以.tmp 结尾的文件，不上传
a1.sources.r1.ignorePattern = ([^ ]*\.tmp)

# Describe the sink
a1.sinks.k1.type = hdfs
a1.sinks.k1.hdfs.path = /flume/spooldir/%Y-%m-%d/%H
a1.sinks.k1.hdfs.filePrefix = testlog
# 是否使用本地时间戳
a1.sinks.k1.hdfs.useLocalTimeStamp = true
# 是否按照时间滚动文件夹
a1.sinks.k1.hdfs.round = true
# 多少时间单位创建一个新的文件夹
a1.sinks.k1.hdfs.roundValue = 1
# 重新定义时间单位
a1.sinks.k1.hdfs.roundUnit = hour
# 积攒多少个 Event 才 flush 到 HDFS 一次
a2.sinks.k2.hdfs.batchSize = 1000
# 多久生成一个新的文件(seconds)
a1.sinks.k1.hdfs.rollInterval = 30
# 设置每个文件的滚动大小
a1.sinks.k1.hdfs.rollSize = 134217700
# 文件的滚动与 Event 数量无关
a1.sinks.k1.hdfs.rollCount = 0
# 设置文件类型，可支持压缩(不加该配置的话，Flume写入HDFS的文件会出现SEQ !org.apache.hadoop.io.LongWritable"org.apache.hadoop.io.BytesWritable)
a1.sinks.k1.hdfs.fileType = DataStream
# 关闭HDFS文件出错时重试次数，之前设为0即无限重试。现在改为2
test.sinks.sink.hdfs.closeTries=2

# 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

4.启动命令

bin/flume-ng agent -c conf -n a1 -f job/flume-spooldir-hdfs.conf

5.异常处理

写入HDFS，报如下错误：java.lang.NoSuchMethodError:com.google.common.base.Preconditions.checkArgument(ZLjava/lang/String;Ljava/lang/Object;)V

  这是因为hadoop目录下得guava版本和flume下的guava版本的问题。进入 flume/lib 目录下，将 guava-11.0.2.jar 包移除即可

6.测试图示

  Spooling Directory Source 实时监听 testdir 目录，提前准备好两个测试文件test001.txt 和 test002.txt，测试 mv 移动文件到 testdir 目录下，flume 端能够正常接收到新增的文件，通过 hdfs sink方式，将文件内容写出到 /flume/spooldir 目录下，测试数据如图所示：

测试结果，如图所示：

---

博主写作不易，加个关注呗

求关注、求点赞，加个关注不迷路 ヾ(◍°∇°◍)ﾉﾞ

我不能保证所写的内容都正确，但是可以保证不复制、不粘贴。保证每一句话、每一行代码都是亲手敲过的，错误也请指出，望轻喷 Thanks♪(･ω･)ﾉ