Flume实时读取本地/目录文件到HDFS

Flume实时读取本地/目录文件到HDFS

一、准备工作

Flume 要想将数据输出到 HDFS，必须持有 Hadoop 相关 jar 包。

将以下 jar 包拷贝到“/usr/local/flume/lib”目录下。

/usr/local/servers/hadoop/share/hadoop/common/lib/comm-configuration2-2.1.1.jar /usr/local/servers/hadoop/share/hadoop/common/lib/comm-io-2.5.jar /usr/local/servers/hadoop/share/hadoop/common/lib/hadoop-auth-.1..jar /usr/local/servers/hadoop/share/hadoop/common/lib/htrace-core4-4.1.0-incubating.jar /usr/local/servers/hadoop/share/hadoop/common/lib/stax2-api-.1.4.jar /usr/local/servers/hadoop/share/hadoop/common/hadoop-common-.1..jar /usr/local/servers/hadoop/share/hadoop/hdfs/hadoop-hdfs-.1..jar

代码语言：javascript代码运行次数：0运行复制

[root@bigdata common]# cd /usr/local/flume/lib
[root@bigdata lib]# cp /usr/local/servers/hadoop/share/hadoop/common/lib/comm-configuration2-2.1.1.jar .
[root@bigdata lib]# cp /usr/local/servers/hadoop/share/hadoop/common/lib/comm-io-2.5.jar .
[root@bigdata lib]# cp /usr/local/servers/hadoop/share/hadoop/common/lib/hadoop-auth-.1..jar .
[root@bigdata lib]# cp /usr/local/servers/hadoop/share/hadoop/common/lib/htrace-core4-4.1.0-incubating.jar .
[root@bigdata lib]# cp /usr/local/servers/hadoop/share/hadoop/common/lib/stax2-api-.1.4.jar .
[root@bigdata lib]# cp /usr/local/servers/hadoop/share/hadoop/common/hadoop-common-.1..jar .
[root@bigdata lib]# cp /usr/local/servers/hadoop/share/hadoop/hdfs/hadoop-hdfs-.1..jar .

二、实时读取本地文件到HDFS

（一）案例需求

实时监控Hive日志，并上传到HDFS中。

（二）需求分析

（三）实现步骤

1、在“/usr/local/flume/”目录下新建文件夹job

代码语言：javascript代码运行次数：0运行复制

[root@bigdata lib]# cd /usr/local/flume
[root@bigdata flume]# mkdir job
[root@bigdata flume]# cd job

2、在job目录下新建文件

代码语言：javascript代码运行次数：0运行复制

[root@bigdata job]# vi 

代码语言：javascript代码运行次数：0运行复制

# ame the components on this agent
a2.sources = r2
a2.sinks = k2
 = c2

# Describe/configure the source
a2.sources. = exec
a2.sources.r2mand = tail -F /usr/local/flume/datas/flume_tmp.log
a2.sources.r2.shell = /bin/bash -c

# Describe the sink
a2.sinks. = hdfs
a2.sinks.k2.hdfs.path = hdfs://bigdata:9000/flume/%Y%m%d/%H
#上传文件的前缀
a2.sinks.k2.hdfs.filePrefix = logs-
#是否按照时间滚动文件夹
a2.sinks.k2.hdfs.round = true
#多少时间单位创建一个新的文件夹
a2.sinks.k2.hdfs.roundValue = 1
#重新定义时间单位
a2.sinks.k2.hdfs.roundUnit = hour
#是否使用本地时间戳
a2.sinks.k2.hdfs.useLocalTimeStamp = true
#积攒多少个Event才flush到HDFS一次
a2.sinks.k2.hdfs.batchSize = 1000
#设置文件类型，可支持压缩
a2.sinks.k2.hdfs.fileType = DataStream
#多久生成一个新的文件
a2.sinks.k2.hdfs.rollInterval = 60
#设置每个文件的滚动大小
a2.sinks.k2.hdfs.rollSize = 14217700
#文件的滚动与Event数量无关
a2.sinks.k2.hdfs.rollCount = 0
#最小冗余数
a2.sinks.k2. = 1

# Use a channel which buffers events in memory
.c2.type = memory
.c2.capacity = 1000
.c2.transactionCapacity = 100

# Bind the source and sink to the channel
a2.sources. = c2
a2.sinks. = c2

内容详解：

、执行监控配置

代码语言：javascript代码运行次数：0运行复制

[root@bigdata zhc]# cd /usr/local/flume
[root@bigdata flume]# bin/flume-ng agent --conf conf/ --name a2 --conf-file job/

4、启动Hadoop和Hive并操作Hive产生日志

启动一个新的终端，输入：

代码语言：javascript代码运行次数：0运行复制

[root@bigdata zhc]# start-all.sh
[root@bigdata zhc]# cd /usr/local/hive
[root@bigdata hive]# bin/hive

再启动一个新的终端，写入日志：

代码语言：javascript代码运行次数：0运行复制

[root@bigdata hive]# echo 12 > /usr/local/flume/datas/flume_tmp.log

然后就可以在HDFS上查看：

三、实时读取目录文件到HDFS

（一）案例需求

使用Flume监听整个目录的文件。

（二）需求分析

（三）实现步骤

1、在job目录下新建文件

代码语言：javascript代码运行次数：0运行复制

[root@bigdata job]# vi 

代码语言：javascript代码运行次数：0运行复制

a.sources = r
a.sinks = k
 = c

# Describe/configure the source
a.sources. = spooldir
a.sources.r.spoolDir = /usr/local/flume/datas
a.sources.r.fileSuffix = .COMPLETED
a.sources.r.fileHeader = true
#忽略所有以.tmp结尾的文件，不上传
a.sources.r.ignorePattern = ([^ ]*\.tmp)

# Describe the sink
a.sinks. = hdfs
a.sinks.k.hdfs.path = hdfs://bigdata:9000/flume/upload/%Y%m%d/%H
#上传文件的前缀
a.sinks.k.hdfs.filePrefix = upload-
#是否按照时间滚动文件夹
a.sinks.k.hdfs.round = true
#多少时间单位创建一个新的文件夹
a.sinks.k.hdfs.roundValue = 1
#重新定义时间单位
a.sinks.k.hdfs.roundUnit = hour
#是否使用本地时间戳
a.sinks.k.hdfs.useLocalTimeStamp = true
#积攒多少个Event才flush到HDFS一次
a.sinks.k.hdfs.batchSize = 100
#设置文件类型，可支持压缩
a.sinks.k.hdfs.fileType = DataStream
#多久生成一个新的文件
a.sinks.k.hdfs.rollInterval = 60
#设置每个文件的滚动大小大概是128M
a.sinks.k.hdfs.rollSize = 14217700
#文件的滚动与Event数量无关
a.sinks.k.hdfs.rollCount = 0

# Use a channel which buffers events in memory
.c.type = memory
.c.capacity = 1000
.c.transactionCapacity = 100

# Bind the source and sink to the channel
a.sources. = c
a.sinks. = c

内容详解：

2、启动监控文件夹命令

启动一个新的终端：

代码语言：javascript代码运行次数：0运行复制

[root@bigdata hive]# cd /usr/local/flume
[root@bigdata flume]# bin/flume-ng agent --conf conf/ --name a --conf-file job/

说明： 在使用Spooling Directory Source时

1.不要在监控目录中创建并持续修改文件 2.上传完成的文件会以.COMPLETED结尾 .被监控文件夹每500毫秒扫描一次文件变动

、向datas文件夹中添加文件

代码语言：javascript代码运行次数：0运行复制

[root@bigdata job]# cd /usr/local/flume/datas
[root@bigdata datas]# touch 
[root@bigdata datas]# touch 

最后再到HDFS上查看：

本文参与 腾讯云自媒体同步曝光计划，分享自作者个人站点/博客。 原始发表：2024-01-08，如有侵权请联系 cloudcommunity@tencent 删除前往查看bigdataflumehdfs监控hadoop