1、采集目录到HDFS

采集需求：某服务器的某特定目录下，会不断产生新的文件，每当有新文件出现，就需要把文件采集到HDFS中去
根据需求，首先定义以下3大要素
采集源，即source——监控文件目录 : spooldir
下沉目标，即sink——HDFS文件系统 : hdfs sink
source和sink之间的传递通道——channel，可用file channel 也可以用内存channel

配置文件spooldir-hdfs.conf编写：

# Name the components on this agent a1.sources = r1 a1.sinks = k1 a1.channels = c1 # Describe/configure the source ##注意：不能往监控目中重复丢同名文件 ## 通过spooldir来监控文件内容的变化 a1.sources.r1.type = spooldir a1.sources.r1.spoolDir = /home/tuzq/software/flumedata a1.sources.r1.fileHeader = true # Describe the sink ## 表示下沉到hdfs，下面配置的类型不同，type下面的参数就不同 a1.sinks.k1.type = hdfs #sinks.k1只能连接一个channel，source可以配置多个 a1.sinks.k1.channel = c1 #下面的配置告诉用hdfs去写文件的时候写到什么位置，下面的表示不是写死的，而是动态变化的。表示输出的目录名称是可变的 a1.sinks.k1.hdfs.path = /flume/events/%y-%m-%d/%H%M/ #表示文件的前缀 a1.sinks.k1.hdfs.filePrefix = events- #表示到了需要触发的时间时，是否要更新文件夹，true:表示要更新 a1.sinks.k1.hdfs.round = true ##表示每隔1分钟改变一下文件夹 a1.sinks.k1.hdfs.roundValue = 1 ##切换文件的时候单位是分钟 a1.sinks.k1.hdfs.roundUnit = minute ##表示只要过了3秒钟，就切换生成一个新的文件 a1.sinks.k1.hdfs.rollInterval = 3 ##如果记录的文件大于20字节时切换一次 a1.sinks.k1.hdfs.rollSize = 20 ##当写了5个事件时触发 a1.sinks.k1.hdfs.rollCount = 5 ##收到了多少条消息往hdfs中追加内容 a1.sinks.k1.hdfs.batchSize = 1 #使用本地时间戳 a1.sinks.k1.hdfs.useLocalTimeStamp = true #生成的文件类型，默认是Sequencefile，可用DataStream，则为普通文本 a1.sinks.k1.hdfs.fileType = DataStream # Use a channel which buffers events in memory ##使用内存的方式 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

Channel参数解释：
capacity：默认该通道中最大的可以存储的event数量
trasactionCapacity：每次最大可以从source中拿到或者送到sink中的event数量
keep-alive：event添加到通道中或者移出的允许时间

执行命令

[root@hadoop1 apache-flume-1.6.0-bin]#cd /home/tuzq/software/apache-flume-1.6.0-bin [root@hadoop1 apache-flume-1.6.0-bin]#bin/flume-ng agent -c ./conf -f ./agentconf/spool-logger.conf -n a1 -Dflume.root.logger=INFO,console;

接着往/home/tuzq/software/flumedata文件夹中扔文件

[root@hadoop1 flumedata]# pwd /home/tuzq/software/flumedata [root@hadoop1 flumedata]# echo 111111111 >> 1.txt [root@hadoop1 flumedata]# ls 1.txt.COMPLETED test.log.COMPLETED [root@hadoop1 flumedata]# echo 22222222 >> 2.txt [root@hadoop1 flumedata]# echo 33333333 >> 3.txt [root@hadoop1 flumedata]# echo 44444444 >> 4.txt [root@hadoop1 flumedata]# ls 1.txt.COMPLETED 2.txt.COMPLETED 3.txt.COMPLETED 4.txt.COMPLETED test.log.COMPLETED [root@hadoop1 flumedata]#

扔了之后，现象是
1、/home/tuzq/software/flumedata文件文件夹下的文件倍加了一个一个后缀.COMPLETED,
2、在flume的监控位置，出现类似下图一样的文件：
3、到hdfs上查看文件：

[root@hadoop1 flumedata]# hdfs dfs -ls / Found 5 items drwxr-xr-x - root supergroup 0 2017-06-13 12:01 /40000 drwxr-xr-x - root supergroup 0 2017-06-13 23:43 /flume -rw-r--r-- 3 root supergroup 3719 2017-06-10 12:11 /kms.sh drwxrwxrwx - root supergroup 0 2017-06-10 22:06 /tmp drwxr-xr-x - root supergroup 0 2017-06-10 22:27 /user [root@hadoop1 flumedata]# hdfs dfs -ls /flume Found 2 items drwxr-xr-x - root supergroup 0 2017-06-13 23:43 /flume/events drwxr-xr-x - root supergroup 0 2017-06-13 22:01 /flume/tailout [root@hadoop1 flumedata]# hdfs dfs -ls /flume/events Found 1 items drwxr-xr-x - root supergroup 0 2017-06-13 23:47 /flume/events/17-06-13 [root@hadoop1 flumedata]# hdfs dfs -ls /flume/events/17-06-13 Found 3 items drwxr-xr-x - root supergroup 0 2017-06-13 23:43 /flume/events/17-06-13/2343 drwxr-xr-x - root supergroup 0 2017-06-13 23:46 /flume/events/17-06-13/2346 drwxr-xr-x - root supergroup 0 2017-06-13 23:47 /flume/events/17-06-13/2347 [root@hadoop1 flumedata]#

综上所述：说明通过flume已经把新增的文件下沉到了hdfs中。