一、目的
在实现Flume实时采集Linux中的Hive日志写入到HDFS后,再做一个测试,用Flume实时采集Linux中的目录文件,即使用 Flume 监听Linux整个目录的文件,并上传至 HDFS中
二、前期准备
(一)安装好Hadoop、Hive、Flume等工具
(二)Linux中被Flume监控的文件目录
/opt/flume/upload
最初的文件目录为空,没有任何文件!
(三)在HDFS中创建文件夹/flume/upload,即写入的HDFS文件路径
三、创建Flume的任务文件
[root@hurys23 conf]# vi flume-dir-hdfs.conf
# agent a3
a3.sources = r3
a3.sinks = k3
a3.channels = c3
# Describe/configure the source
a3.sources.r3.type = spooldir
a3.sources.r3.spoolDir = /opt/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://hurys23:8020/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 = 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
注意:
1、配置文件中的各项参数需要调式,这里只是为了演示,实现目的、打通路径即可!实际在项目中操作时需要调试参数。
2、a3.sources.r3.spoolDir = /opt/flume/upload 为监控的目录文件在Linux中的路径
3、a3.sinks.k3.hdfs.path = hdfs://hurys23:8020/flume/upload/%Y%m%d/%H 为写入的HDFS文件路径
四、启动Flume任务文件
[root@hurys23 flume190]# bin/flume-ng agent -n a3 -f /usr/local/hurys/dc_env/flume/flume190/conf/flume-dir-hdfs.conf
五、在Linux中被监控的目录文件夹创建新的文件
(一)到Linux目录文件下
[root@hurys23 ~]# cd /opt/flume/upload/
[root@hurys23 upload]# ll
总用量 0
(二)创建.txt文件 .log文件 .tmp文件
[root@hurys23 upload]# touch atguigu.txt
[root@hurys23 upload]# touch atguigu.log
[root@hurys23 upload]# touch atguigu.tmp
(三)创建文件后,ll查看文件状态
[root@hurys23 upload]# ll
总用量 0
-rw-r--r-- 1 root root 0 12月 5 16:08 atguigu.log.COMPLETED
-rw-r--r-- 1 root root 0 12月 5 16:08 atguigu.tmp
-rw-r--r-- 1 root root 0 12月 5 16:08 atguigu.txt.COMPLETED
由于配置文件中忽略所有以.tmp 结尾的文件,不上传,因此除了atguigu.tmp没变之外,其他文件名都变了
#忽略所有以.tmp 结尾的文件,不上传
a3.sources.r3.ignorePattern = ([^ ]*\.tmp)
六、Flume任务运行时写入的HDFS文件状况
(一)目前时间戳
2023/12/5 16时
(二)HDFS生成了20231205文件夹、16文件夹及其upload文件
七、关闭Flume任务
首先jps查看Flume任务,然后直接kill程序
[root@hurys23 conf]# jps
28385 NodeManager
27938 SecondaryNameNode
16642 RunJar
27496 NameNode
27657 DataNode
16113 Application
16310 Jps
28215 ResourceManager
[root@hurys23 conf]# kill -9 16113
Flume实时采集Linux中的目录文件写入到HDFS的测试就先到这里,后面有问题的话再更新!
这种需求在实际项目中目前还没遇到过,就算提前熟悉一下吧,万一后面碰到呢