flume监听文件追加内容并上传到HDFS

一、监听单个追加文件1.1 需求1.2 准备工作1.3 编写配置文件1.4 运行flume 二 监听目录多个追加文件2.1 需求2.2 编写配置文件2.3 启动flume

一、监听单个追加文件

1.1 需求

监控test.log日志文件，将日志文件追加的内容上传到hdfs

1.2 准备工作

Flume要想将数据输出到HDFS，必须持有Hadoop相关jar包，将对应jar复制到 /flume/lib 文件夹下 这里使用hadoop版本：hadoop-2.7.6

##需要的Jar hadoop-common-2.7.6.jar commons-configuration-1.6.jar hadoop-auth-2.7.6.jar hadoop-hdfs-2.7.6.jar commons-io-2.4.jar htrace-core-3.1.0-incubating.jar ##对应hadoop目录 /opt/apps/hadoop-2.7.6/share/hadoop/common /opt/apps/hadoop-2.7.6/share/hadoop/common/lib /opt/apps/hadoop-2.7.6/share/hadoop/common/lib /opt/apps/hadoop-2.7.6/share/hadoop/hdfs /opt/apps/hadoop-2.7.6/share/hadoop/hdfs/lib /opt/apps/hadoop-2.7.6/share/hadoop/hdfs/lib

1.3 编写配置文件

在flume路径下的job路径中新建flume-hdfs.conf

vim /opt/apps/apache-flume-1.9.0-bin/job/flume-hdfs.conf

此文件编写内容如下

# Name the components on this agent a1.sources = r1 a1.sinks = k1 a1.channels = c1 # Describe/configure the sources # exec即execute执行命令 a1.sources.r1.type = exec # 要执行的命令 a1.sources.r1.command = tail -F /data/test.log # 执行shell脚本的绝对路径 a1.sources.r1.shell = /bin/bash -c # Describe the sink a1.sinks.k1.type = hdfs # 上传到hdfs的路径 a1.sinks.k1.hdfs.path = hdfs://slave1:9000/flume/%Y%m%d%H # 文件前缀 a1.sinks.k1.hdfs.filePrefix = logs- # 是否按时间新建文件夹 a1.sinks.k1.hdfs.round = true # 定义多久新建文件夹 a1.sinks.k1.hdfs.roundValue = 1 # 重新定义时间单位 a1.sinks.k1.hdfs.roundUnit = hour # 是否使用本地时间戳 a1.sinks.k1.hdfs.useLocalTimeStamp = true # flush到hdfs需要积攒event的数量 a1.sinks.k1.hdfs.batchSize = 50 # 设置文件类型 a1.sinks.k1.hdfs.fileType = DataStream # 多久生成一个新的文件（单位：秒） a1.sinks.k1.hdfs.rollInterval = 60 # 接收多少数据生成一个新文件（单位：字节） a1.sinks.k1.hdfs.rollSize = 134217700 # 文件的滚动与event数量无关 a1.sinks.k1.hdfs.rollCount = 0 # 最小冗余数 a1.sinks.k1.hdfs.minBlockReplicas = 1 # Use a channel which buffers events in memory a1.channels.c1.type = memory # 最大存储 a1.channels.c1.capacity = 1000 # 一个source或者一个sink，每个事务中最大的事件数 a1.channels.c1.transactionCapacity = 100 # Bind the source and sink to the channel a1.sources.r1.channels = c1 a1.sinks.k1.channel = c1

注意： 1.a1.sinks.k1.hdfs.path需要和hadoop的core-site.xml指定hdfs路径一样 2.tail -f 和tail -F 区别 tail -f 等同于–follow=descriptor，根据文件描述符进行追踪，当文件改名或被删除，追踪停止 tail -F 等同于–follow=name --retry，根据文件名进行追踪，并保持重试，即该文件被删除或改名后，如果再次创建相同的文件名，会继续追踪

1.4 运行flume

因为需要落地到hdfs，要先确保hadoop集群

在flume路径下

bin/flume-ng agent --conf conf/ --name a1 --conf-file job/flume-hdfs.conf -Dflume.root.logger=INFO,console #写入数据到test.log echo "123" >> test.log

然后查看hdfs目录

二 监听目录多个追加文件

2.1 需求

监听/data/flume目录下多个追加文件并上传到HDFS，同时实现断点续传功能。

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。

2.2 编写配置文件

vim flume-taildir-hdfs.conf

添加内容

a3.sources = r3 a3.sinks = k3 a3.channels = c3 # Describe/configure the source a3.sources.r3.type = TAILDIR a3.sources.r3.positionFile = /data/flume/tail_dir.json a3.sources.r3.filegroups = f1 f2 a3.sources.r3.filegroups.f1 = /data/flume/.*file.* a3.sources.r3.filegroups.f2 = /data/flume/.*log.* # Describe the sink a3.sinks.k3.type = hdfs a3.sinks.k3.hdfs.path = hdfs://slave1:9000/flume/%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 = 50 #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

2.3 启动flume

bin/flume-ng agent --conf conf/ --name a3 --conf-file job/flume-taildir-hdfs.conf -Dflume.root.logger=INFO,console

在监控目录下创建文件并追加

cd /data/flume/ touch file1.txt touch file2.txt touch file3.txt echo 123 >>file1.txt echo 4545 >>file2.txt

查看效果

##查看tail_dir.json cat tail_dir.json [{"inode":1452290,"pos":4,"file":"/data/flume/file1.txt"},{"inode":1452302,"pos":5,"file":"/data/flume/file2.txt"},{"inode":1452322,"pos":0,"file":"/data/flume/file3.txt"}]