05-Flume案例-实时监控目录下的多个追加文件

# Flume案例-实时监控目录下的多个追加文件
Exec source 适用于监控一个实时追加的文件， 但不能保证数据不丢失； Spooldir Source 能够保证数据不丢失，且能够实现断点续传， 但延迟较高，不能实时监控；而 Taildir Source既能够实现断点续传，又可以保证数据不丢失，还能够进行实时监控。
## 1）案例需求：
使用 Flume 监听整个目录的实时追加文件，并上传至 HDFS
## 2） 需求分析：
![](https://hexo-img.obs.cn-east-3.myhuaweicloud.com/img/202204140937502.jpg)
## 3）实现步骤：
### 1.创建配置文件 flume-taildir-hdfs.conf
创建一个文件
```bash
nbu@ecs:~$ cd /usr/local/flume/job
nbu@ecs:/usr/local/flume/job$ vim flume-taildir-hdfs.conf
```
添加如下内容
```bash
a3.sources = r3
a3.sinks = k3
a3.channels = c3
# Describe/configure the source
a3.sources.r3.type = TAILDIR
a3.sources.r3.positionFile = /usr/local/flume/tail_dir.json
a3.sources.r3.filegroups = f1
a3.sources.r3.filegroups.f1 = /usr/local/flume/files/file.*
# Describe the sink
a3.sinks.k3.type = hdfs
a3.sinks.k3.hdfs.path = hdfs://localhost:9000/flume/upload/%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 = 100
#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
```

![](https://hexo-img.obs.cn-east-3.myhuaweicloud.com/img/202204140937476.jpg)

### 2.启动监控文件夹命令
```bash
nbu@ecs:/usr/local/flume/job$ cd ..
nbu@ecs:/usr/local/flume$ bin/flume-ng agent --conf conf/ --name a3 --conf-file job/flume-taildir-hdfs.conf
```

注意：
可以加上 -Dflume.root.logger=INFO,consol来查看错误信息
```bash
bin/flume-ng agent --conf conf/ --name a3 --conf-file job/flume-taildir-hdfs.conf -Dflume.root.logger=INFO,console
```
### 3.向 files 文件夹中追加内容
在/opt/module/flume 目录下创建 files 文件夹
```bash
nbu@ecs:/usr/local/flume$ mkdir files
```
向 upload 文件夹中添加文件
```bash
nbu@ecs:/usr/local/flume$ cd files
nbu@ecs:/usr/local/flume/files$ echo hello >> file1.txt
nbu@ecs:/usr/local/flume/files$ echo nbu >> file2.txt
```
### 4.查看 HDFS 上的数据
![](https://hexo-img.obs.cn-east-3.myhuaweicloud.com/img/202204140937458.jpg)

Taildir 说明：
Taildir Source 维护了一个 json 格式的 position File，其会定期的往 position File
中更新每个文件读取到的最新的位置，因此能够实现断点续传。Position File 的格式如下：

```json
{"inode":2496272,"pos":12,"file":"/usr/local/flume/files/file1.txt"}
{"inode":2496275,"pos":12,"file":"/usr/local/flume/files/file2.txt"}
```
注： Linux 中储存文件元数据的区域就叫做 inode， 每个 inode 都有一个号码，操作系统
用 inode 号码来识别不同的文件， Unix/Linux 系统内部不使用文件名，而使用 inode 号码来识别文件。

大数据学习

导航

最近发表

友情链接