Flume实时读取目录文件到HDFS案例

1.需求分析

2.实现步骤

    创建配置文件flume-dir-hdfs.conf

        [zz@hadoop102 job]$ touch flume-dir-hdfs.conf

    打开文件

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

    添加如下内容

        a3.sources = r3

        a3.sinks = k3

        a3.channels = c3

# Describe/configure the source

a3.sources.r3.type = spooldir

a3.sources.r3.spoolDir = /opt/module/flume/upload

a3.sources.r3.fileSuffix = .COMPLETED

a3.sources.r3.fileHeader = true

#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

a3.sinks.k3.hdfs.path = hdfs://hadoop102:9000/flume/upload/%Y%m%d/%H

#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

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

#文件的滚动与Event数量无关

a3.sinks.k3.hdfs.rollCount = 0

#最小冗余数

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 = 1000

# 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

        [zz@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
2. 上传完成的文件会以.COMPLETED结尾
3. 被监控文件夹每500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

        [zz@hadoop102 flume]$ mkdir upload

    向upload文件夹中添加文件

       [zz@hadoop102 upload]$ touch kegc.txt

[zz@hadoop102 upload]$ touch kegc.tmp

[zz@hadoop102 upload]$ touch kegc.log

5.查看HDFS上的数据

        

6.等待1s，再次查询upload文件夹

        [kegc@hadoop102 upload]$ ll

        总用量 0

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

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

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