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
在这里插入图片描述
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
- 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
- 下沉组件，即sink——HDFS文件系统 : hdfs sink
- 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 = c1Channel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
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，分享自作者个人站点/博客。
如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读