flume常用source问题总结

一、SpoolDirectorySource
作用：
监测配置的目录下新增的文件，并将文件中的数据读取出来。
问题：
1.spool目录下的文件不可以再打开编辑；spool目录下不可包含相应的子目录

2.SpoolSource无法实现实时的收集数据
解决：log4j TimeRolling的插件，分割机制设为1分钟一次，需改log4j配置文件

3.无法使用TimeRolling插件，手工copy到监控目录，文件过大，出现边读边写错误
解决：copy文件增加tmp后缀，source配置忽略tmp后缀文件，copy成功后，去掉tmp后缀

4.该源需要一个清理进程来定期移除完成的文件。

5.通道可选地将一个完成路径的原始文件插入到每个事件的hearder域中。在读取文件时，source缓存文件数据到内存中。同时，需要确定设置了bufferMaxLineLength选项，以确保该数据远大于输入数据中数据最长的某一行。

6.channel只接收spooling directory中唯一命名的文件。如果文件名重复或文件在读取过程中被修改，则会有读取失败返回异常信息。这种场景下，同名的文件复制到这个目录时建议带唯一标示，比如时间戳。

二、Exec Source
1.当发生日志轮转的时候，因为tail -f命令打开的还是原来的文件描述符，所以就无法获取到当天新日志文件的内容
解决：tail命令的–retry选项会定期检查文件名对应的文件描述符的变化;使用-F 相当于 -f=filename –retry
解释：使用–follow (-f)时,tail默认后接文件描述符, 这意味着即使tail显示的文件改名了,tail仍然可以追踪到其末尾部分. 如果你确实希望查询文件的实际名而非文件描述符 (例如,日志轮转时), 这种默认的操作就不是你所期望的了.

2.flume-ng进程停止后，tail进程没停止
解决：使用tail –pid $PID ，–pid 表示如果PID进程结束则tail也会跟着结束，所以PID可以设置为flume进程

3.没有办法做到生产速率控制
解决：用Java程序实现了“模拟tail -F”的功能，主要是使用ExceSource，定时修改Flume的配置文件

4.Flume不运行或者指令执行出错时，无法断点续传以及恢复（单点故障）
解决：二次开发tailSource或者配置复杂均衡或者使用flume1.7新增加的tailDirSource

5.Flume提供快速恢复的机制，但是默认竟然是关闭的！
解决：设置三个参数：restartThrottle，restart，logStdErr解决