hdfs讀取文件流程，Flume監聽文件夾中的文件變化_并把文件下沉到hdfs

2023-10-14 阅读 21 评论 0

摘要：摘要：?1、采集目錄到HDFS 采集需求：某服務器的某特定目錄下，會不斷產生新的文件，每當有新文件出現，就需要把文件采集到HDFS中去根據需求，首先定義以下3大要素采集源，即source——監控文件目錄 : spooldir 下沉目標，

摘要：?1、采集目錄到HDFS 采集需求：某服務器的某特定目錄下，會不斷產生新的文件，每當有新文件出現，就需要把文件采集到HDFS中去根據需求，首先定義以下3大要素采集源，即source——監控文件目錄 : spooldir 下沉目標，即sink——HDFS文件系統 : hdfs sink source和sink之間的傳遞通道——channel，可用file chann

1、采集目錄到HDFS

采集需求：某服務器的某特定目錄下，會不斷產生新的文件，每當有新文件出現，就需要把文件采集到HDFS中去?
根據需求，首先定義以下3大要素?
采集源，即source——監控文件目錄 : spooldir?
下沉目標，即sink——HDFS文件系統 : hdfs sink?
source和sink之間的傳遞通道——channel，可用file channel 也可以用內存channel

hdfs讀取文件流程。配置文件spooldir-hdfs.conf編寫：

# Name the components on this agent
a1.sources = r1
a1.sinks = k1
a1.channels = c1 # Describe/configure the source ##注意：不能往監控目中重復丟同名文件 ## 通過spooldir來監控文件內容的變化 a1.sources.r1.type = spooldir a1.sources.r1.spoolDir = /home/tuzq/software/flumedata a1.sources.r1.fileHeader = true # Describe the sink ## 表示下沉到hdfs，下面配置的類型不同，type下面的參數就不同 a1.sinks.k1.type = hdfs #sinks.k1只能連接一個channel，source可以配置多個 a1.sinks.k1.channel = c1 #下面的配置告訴用hdfs去寫文件的時候寫到什么位置，下面的表示不是寫死的，而是動態變化的。表示輸出的目錄名稱是可變的 a1.sinks.k1.hdfs.path = /flume/events/%y-%m-%d/%H%M/ #表示文件的前綴 a1.sinks.k1.hdfs.filePrefix = events- #表示到了需要觸發的時間時，是否要更新文件夾，true:表示要更新 a1.sinks.k1.hdfs.round = true ##表示每隔1分鐘改變一下文件夾 a1.sinks.k1.hdfs.roundValue = 1 ##切換文件的時候單位是分鐘 a1.sinks.k1.hdfs.roundUnit = minute ##表示只要過了3秒鐘，就切換生成一個新的文件 a1.sinks.k1.hdfs.rollInterval = 3 ##如果記錄的文件大于20字節時切換一次 a1.sinks.k1.hdfs.rollSize = 20 ##當寫了5個事件時觸發 a1.sinks.k1.hdfs.rollCount = 5 ##收到了多少條消息往hdfs中追加內容 a1.sinks.k1.hdfs.batchSize = 1 #使用本地時間戳 a1.sinks.k1.hdfs.useLocalTimeStamp = true #生成的文件類型，默認是Sequencefile，可用DataStream，則為普通文本 a1.sinks.k1.hdfs.fileType = DataStream # Use a channel which buffers events in memory ##使用內存的方式 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參數解釋：?
capacity：默認該通道中最大的可以存儲的event數量?
trasactionCapacity：每次最大可以從source中拿到或者送到sink中的event數量?
keep-alive：event添加到通道中或者移出的允許時間

shell監控文件變化、執行命令

[root@hadoop1 apache-flume-1.6.0-bin]#cd /home/tuzq/software/apache-flume-1.6.0-bin
[root@hadoop1 apache-flume-1.6.0-bin]#bin/flume-ng agent -c ./conf -f ./agentconf/spool-logger.conf -n a1 -Dflume.root.logger=INFO,console;

接著往/home/tuzq/software/flumedata文件夾中扔文件

[root@hadoop1 flumedata]# pwd
/home/tuzq/software/flumedata
[root@hadoop1 flumedata]# echo 111111111 >> 1.txt
[root@hadoop1 flumedata]# ls 1.txt.COMPLETED test.log.COMPLETED [root@hadoop1 flumedata]# echo 22222222 >> 2.txt [root@hadoop1 flumedata]# echo 33333333 >> 3.txt [root@hadoop1 flumedata]# echo 44444444 >> 4.txt [root@hadoop1 flumedata]# ls 1.txt.COMPLETED 2.txt.COMPLETED 3.txt.COMPLETED 4.txt.COMPLETED test.log.COMPLETED [root@hadoop1 flumedata]#

扔了之后，現象是?
1、/home/tuzq/software/flumedata文件文件夾下的文件倍加了一個一個后綴.COMPLETED,?
2、在flume的監控位置，出現類似下圖一樣的文件：?
3、到hdfs上查看文件：

[root@hadoop1 flumedata]# hdfs dfs -ls /
Found 5 items
drwxr-xr-x   - root supergroup          0 2017-06-13 12:01 /40000 drwxr-xr-x - root supergroup 0 2017-06-13 23:43 /flume -rw-r--r-- 3 root supergroup 3719 2017-06-10 12:11 /kms.sh drwxrwxrwx - root supergroup 0 2017-06-10 22:06 /tmp drwxr-xr-x - root supergroup 0 2017-06-10 22:27 /user [root@hadoop1 flumedata]# hdfs dfs -ls /flume Found 2 items drwxr-xr-x - root supergroup 0 2017-06-13 23:43 /flume/events drwxr-xr-x - root supergroup 0 2017-06-13 22:01 /flume/tailout [root@hadoop1 flumedata]# hdfs dfs -ls /flume/events Found 1 items drwxr-xr-x - root supergroup 0 2017-06-13 23:47 /flume/events/17-06-13 [root@hadoop1 flumedata]# hdfs dfs -ls /flume/events/17-06-13 Found 3 items drwxr-xr-x - root supergroup 0 2017-06-13 23:43 /flume/events/17-06-13/2343 drwxr-xr-x - root supergroup 0 2017-06-13 23:46 /flume/events/17-06-13/2346 drwxr-xr-x - root supergroup 0 2017-06-13 23:47 /flume/events/17-06-13/2347 [root@hadoop1 flumedata]#