flume监听文件追加内容并上传到HDFS

一、监听单个追加文件

1.1 需求

监控test.log日志文件，将日志文件追加的内容上传到hdfs

1.2 准备工作

Flume要想将数据输出到HDFS，必须持有Hadoop相关jar包，将对应jar复制到 /flume/lib 文件夹下
这里使用hadoop版本：hadoop-2.7.6

##需要的Jar
hadoop-common-2.7.6.jar
commons-configuration-1.6.jar
hadoop-auth-2.7.6.jar
hadoop-hdfs-2.7.6.jar
commons-io-2.4.jar
htrace-core-3.1.0-incubating.jar

##对应hadoop目录
/opt/apps/hadoop-2.7.6/share/hadoop/common
/opt/apps/hadoop-2.7.6/share/hadoop/common/lib
/opt/apps/hadoop-2.7.6/share/hadoop/common/lib
/opt/apps/hadoop-2.7.6/share/hadoop/hdfs
/opt/apps/hadoop-2.7.6/share/hadoop/hdfs/lib
/opt/apps/hadoop-2.7.6/share/hadoop/hdfs/lib

1.3 编写配置文件

在flume路径下的job路径中新建flume-hdfs.conf

vim /opt/apps/apache-flume-1.9.0-bin/job/flume-hdfs.conf

此文件编写内容如下

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

# Describe/configure the sources
# exec即execute执行命令
a1.sources.r1.type = exec
# 要执行的命令
a1.sources.r1.command = tail -F /data/test.log
# 执行shell脚本的绝对路径
a1.sources.r1.shell = /bin/bash -c

# Describe the sink
a1.sinks.k1.type = hdfs
# 上传到hdfs的路径
a1.sinks.k1.hdfs.path = hdfs://slave1:9000/flume/%Y%m%d%H
# 文件前缀
a1.sinks.k1.hdfs.filePrefix = logs-
# 是否按时间新建文件夹
a1.sinks.k1.hdfs.round = true
# 定义多久新建文件夹
a1.sinks.k1.hdfs.roundValue = 1
# 重新定义时间单位
a1.sinks.k1.hdfs.roundUnit = hour
# 是否使用本地时间戳
a1.sinks.k1.hdfs.useLocalTimeStamp = true
# flush到hdfs需要积攒event的数量
a1.sinks.k1.hdfs.batchSize = 50
# 设置文件类型
a1.sinks.k1.hdfs.fileType = DataStream
# 多久生成一个新的文件（单位：秒）
a1.sinks.k1.hdfs.rollInterval = 60
# 接收多少数据生成一个新文件（单位：字节）
a1.sinks.k1.hdfs.rollSize = 134217700
# 文件的滚动与event数量无关
a1.sinks.k1.hdfs.rollCount = 0
# 最小冗余数
a1.sinks.k1.hdfs.minBlockReplicas = 1

# Use a channel which buffers events in memory
a1.channels.c1.type = memory
# 最大存储
a1.channels.c1.capacity = 1000
# 一个source或者一个sink，每个事务中最大的事件数
a1.channels.c1.transactionCapacity = 100

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

注意：
1.a1.sinks.k1.hdfs.path需要和hadoop的core-site.xml指定hdfs路径一样
2.tail -f 和tail -F 区别
tail -f
等同于–follow=descriptor，根据文件描述符进行追踪，当文件改名或被删除，追踪停止
tail -F
等同于–follow=name --retry，根据文件名进行追踪，并保持重试，即该文件被删除或改名后，如果再次创建相同的文件名，会继续追踪

1.4 运行flume

因为需要落地到hdfs，要先确保hadoop集群

在flume路径下

bin/flume-ng agent --conf conf/ --name a1 --conf-file job/flume-hdfs.conf   -Dflume.root.logger=INFO,console 

#写入数据到test.log
echo "123" >> test.log

然后查看hdfs目录

二 监听目录多个追加文件

2.1 需求

监听/data/flume目录下多个追加文件并上传到HDFS，同时实现断点续传功能。

Exec source适用于监控一个实时追加的文件，不能实现断点续传；Spooldir Source适合用于同步新文件，但不适合对实时追加日志的文件进行监听并同步；而Taildir Source适合用于监听多个实时追加的文件，并且能够实现断点续传。

2.2 编写配置文件

vim  flume-taildir-hdfs.conf

添加内容

a3.sources = r3
a3.sinks = k3
a3.channels = c3

# Describe/configure the source
a3.sources.r3.type = TAILDIR
a3.sources.r3.positionFile = /data/flume/tail_dir.json
a3.sources.r3.filegroups = f1 f2
a3.sources.r3.filegroups.f1 = /data/flume/.*file.*
a3.sources.r3.filegroups.f2 = /data/flume/.*log.*

# Describe the sink
a3.sinks.k3.type = hdfs
a3.sinks.k3.hdfs.path = hdfs://slave1:9000/flume/%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 = 50
#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 = 60
#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

# Use a channel which buffers events in memory
a3.channels.c3.type = memory
a3.channels.c3.capacity = 1000
a3.channels.c3.transactionCapacity = 100  

# Bind the source and sink to the channel
a3.sources.r3.channels = c3
a3.sinks.k3.channel = c3

2.3 启动flume

bin/flume-ng agent --conf conf/ --name a3 --conf-file job/flume-taildir-hdfs.conf   -Dflume.root.logger=INFO,console 

在监控目录下创建文件并追加

cd   /data/flume/
touch file1.txt
touch file2.txt
touch file3.txt
echo 123 >>file1.txt
echo 4545 >>file2.txt

查看效果

##查看tail_dir.json
cat tail_dir.json
[{"inode":1452290,"pos":4,"file":"/data/flume/file1.txt"},{"inode":1452302,"pos":5,"file":"/data/flume/file2.txt"},{"inode":1452322,"pos":0,"file":"/data/flume/file3.txt"}]