Flume 的应用3（多目录多文件（taildir source、memory channel、hdfs sink））

Flume 的应用3（taildir source、memory channel、hdfs sink）

2.4 实时监控多目录下的多个追加文件

• 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。

1）案例需求：

• 使用 Flume 监听整个目录的实时追加文件，并上传至HDFS

2）需求分析：

3）实现步骤：

（1）创建配置文件 taildir-flume-hdfs.conf

• 创建一个文件

[xiaoxq@hadoop105 jobs]$ vim taildir-flume-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 = TAILDIR
a3.sources.r3.positionFile = /opt/module/flume-1.9.0/tail_dir.json
a3.sources.r3.filegroups = f1 f2
a3.sources.r3.filegroups.f1 = /opt/module/flume-1.9.0/testfiles/file1/file1.txt
a3.sources.r3.filegroups.f2 = /opt/module/flume-1.9.0/testfiles/file2/file2.txt

# Describe the sink
a3.sinks.k3.type = hdfs
a3.sinks.k3.hdfs.path =/flume/upload2/%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 = 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）启动监控文件夹命令

[xiaoxq@hadoop105 flume-1.9.0]$ bin/flume-ng agent -c conf/ -f jobs/taildir-flume-hdfs.conf -n a3

（3）向files文件夹中追加内容

• 在/opt/module/flume-1.9.0目录下创建testfiles/文件夹

[xiaoxq@hadoop105 flume-1.9.0]$ mkdir -p testfiles/file1
[xiaoxq@hadoop105 flume-1.9.0]$ mkdir -p testfiles/file2

• 向 upload 文件夹中添加文件

[xiaoxq@hadoop105 file1]$ pwd
/opt/module/flume-1.9.0/testfiles/file1
[xiaoxq@hadoop105 file1]$ echo hello >> file1.txt

[xiaoxq@hadoop105 file2]$ echo world >> file2.txt

（4）查看HDFS上的数据

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-

Taildir 说明：

​ Taildir Source 维护了一个 json 格式的 position File，其会定期的往 position File 中更新每个文件读取到的最新的位置，因此能够实现断点续传。Position File 的格式如下：

注：Linux 中储存文件元数据的区域就叫做 inode，每个 inode 都有一个号码，操作系统用 inode 号码来识别不同的文件，Unix/Linux 系统内部不使用文件名，而使用 inode 号码来识别文件。

• 小结：

• taildir source
  1.首先如果需要追踪多目录 需要配置filegroups 然后分别给对应的filegroups 赋值(文件的绝对路径)
  2.taildir 如果想要完成断点续传：需要记录位置信息(inode pos path) 这三个改任何一个都能改变文件读取的位置