专栏首页cwl_Java大数据-Flume采集目录到 HDFS

大数据-Flume采集目录到 HDFS

2.2. 采集案例

2.2.3. 采集目录到 HDFS

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

思路 根据需求,首先定义以下3大要素

  1. 数据源组件,即source ——监控文件目录 : spooldir 1.1. 监视一个目录,只要目录中出现新文件,就会采集文件中的内容 1.2. 采集完成的文件,会被agent自动添加一个后缀:COMPLETED 1.3. 所监视的目录中不允许重复出现相同文件名的文件
  2. 下沉组件,即sink——HDFS文件系统 : hdfs sink
  3. 通道组件,即channel——可用file channel 也可以用内存channel

Step 1: Flume 配置文件

cd /export/servers/apache-flume-1.8.0-bin/conf 
mkdir -p /export/servers/dirfile 
vim spooldir.conf
# 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 
a1.sources.r1.type = spooldir 
a1.sources.r1.spoolDir = /export/servers/dirfile 
a1.sources.r1.fileHeader = true 
# Describe the sink 
a1.sinks.k1.type = hdfs 
a1.sinks.k1.channel = c1 
a1.sinks.k1.hdfs.path = hdfs://node01:8020/spooldir/files/%y-%m-%d/%H%M/ 
a1.sinks.k1.hdfs.filePrefix = events- 
a1.sinks.k1.hdfs.round = true 
a1.sinks.k1.hdfs.roundValue = 10 
a1.sinks.k1.hdfs.roundUnit = minute 
a1.sinks.k1.hdfs.rollInterval = 3 
a1.sinks.k1.hdfs.rollSize = 20 
a1.sinks.k1.hdfs.rollCount = 5 
a1.sinks.k1.hdfs.batchSize = 1 
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 
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

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

Step 2: 启动 Flume

bin/flume-ng agent -c ./conf -f ./conf/spooldir.conf -n a1 -Dflume.root.logger=INFO ** 

Step 3: 上传文件到指定目录

将不同的文件上传到下面目录里面去,注意文件不能重名

cd /export/servers/dirfile

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 大数据-Flume采集案例Agent级联

    直接将node03下面的脚本和数据拷贝到node02即可,node03机器上执行以下命令

    cwl_java
  • 大数据- Flume经典案例

    A、B两台日志服务机器实时生产日志主要类型为access.log、nginx.log、web.log 现在要求:

    cwl_java
  • 快速学习-Flume 对接 Kafka

    2) 启动 kafkaIDEA 消费者 3) 进入 flume 根目录下,启动 flume

    cwl_java
  • 大数据-Flume采集案例Agent级联

    直接将node03下面的脚本和数据拷贝到node02即可,node03机器上执行以下命令

    cwl_java
  • 浅析社会工程学情报搜集:互联网=军火库

    世界第一黑客凯文·米特尼克在《欺骗的艺术》中曾提到,人为因素才是安全的软肋。很多企业、公司在信息安全上投入大量的资金,最终导致数据泄露的原因,往往却是发生在人本...

    周俊辉
  • Facebook再曝300万用户数据泄露 与性格测试类app密切相关

    据 New Scientist 周一报道:剑桥大学的研究人员们,已经向一个分享门户上传了 300 万 Facebook 用户的数据。尽管数据被用户名和密码锁定,...

    周俊辉
  • 如何社工掉一个域名的空间

    一般来说直接whois就可以查到域名的注册商 如果域名商难搞定的话,大家可以试试下面的思路

    周俊辉
  • F-Stack KNI配置注意事项

    F-Stack KNI配置注意事项 KNI介绍 KNI(Kernel NIC Interface)内核网卡接口,是DPDK中用于与内核通信的模块,在主要的业务流...

    F-Stack
  • 重磅精品翻译:QEMU-KVM虚机动态迁移原理

    翻译过程也是一个近距离和技术对话的过程,从字里行间理解、揣摩技术的精髓,在翻译成中文的时候斟酌,是一个反复理解的过程,最终的收获是知识。

    力哥聊运维与云计算
  • F-Stack KNI 配置注意事项

    KNI(Kernel NIC Interface)内核网卡接口,是DPDK中用于与内核通信的模块。本文介绍对其进行配置时的一些注意事项。

    F-Stack

扫码关注云+社区

领取腾讯云代金券