设为首页 加入收藏

TOP

Flume实时读取目录文件到HDFS案例
2019-03-14 14:07:22 】 浏览:30
Tags:Flume 实时 读取 目录 文件 HDFS 案例
版权声明:Please make the source marked https://blog.csdn.net/qq_31807385/article/details/84959646

目录

需求与需求分析:

案例实操:


需求与需求分析:

使用Flume监听整个目录的文件,监听 /opt/module/flume/upload 文件下是否有新文件的加入,做到实时读取该目录下的文件到HDFS上, 分析如下:

案例实操:

1,配置flume-dir-hdfs.cof

vim flume-dir-hdfs.cof

a3.sources = r3
a3.sinks = k3
a3.channels = c3

# Describe/configure the source
a3.sources.r3.type = spooldir
a3.sources.r3.spoolDir 
		    

= /opt/module/flume/upload #将上传的文件添加后缀 a3.sources.r3.fileSuffix = .COMPLETED a3.sources.r3.fileHeader = true #忽略所有以.tmp结尾的文件,不上传,^ 表示匹配开头 a3.sources.r3.ignorePattern = ([^ ]*\.tmp) # Describe the sink a3.sinks.k3.type = hdfs a3.sinks.k3.hdfs.path = hdfs://hadoop108:9000/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

关于上述配置中sink相关的设置的一个解释:

a3.sinks.k3.hdfs.batchSize = 100 表示积攒多少个Event才flush到HDFS一次,这里的sink会从channel不断的获取到event,但是不能来一个event就把这个event上传到HDFS中的文件中假如为文件A中去,因为这样做效率太低,所以这里设置100个event在把数据(event就是数据)写到HDFS中的文件A中去;而rollInternal=60 和rollSize表示的是HDFS上的文件夹达到了什么标准重新生成,而且设置rollCount=0 表示是否生成新文件和sink 过来的event的数量没有关系;上文所说的文件A 就是这里说的生成的新文件。event就是玩具,而新文件的生成就是箱子,玩具要一批一批放入箱子,是否使用一个新的箱子来装玩具,和玩具的数量没有关系,只和时间,和整个箱子的重量(理解为文件的大小)有关系。

2,启动HDFS(因为要获取HDFS的客户端从而向HDFS写入数据),启动监控文件夹的命令
bin/flume-ng agent --conf conf/ --name a3 --conf-file jobs/flume-dir-hdfs.cof

特点:
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
3)    被监控文件夹每500毫秒扫描一次文件变动
4)    这里的upload文件夹要存在

3,在/opt/module/flume/创建upload文件夹,并在该文件夹下添加文件。观察upload文件夹下的变化情况,ll
mkdir upload
touch isea.txt
touch iseayou.sh
touch iseayou.sql

检查数据:
[isea@hadoop101 upload]$ ll
总用量 0
-rw-rw-r--. 1 isea isea 0 12月 11 22:20 isea.txt.COMPLETED
-rw-rw-r--. 1 isea isea 0 12月 11 22:20 iseayou.txt.COMPLETED


编程开发网
】【打印繁体】【投稿】【收藏】 【推荐】【举报】【评论】 【关闭】 【返回顶部
上一篇Flume拓扑结构之--------Channel.. 下一篇flume负载均衡版配置

评论

帐  号: 密码: (新用户注册)
验 证 码:
表  情:
内  容:

array(4) { ["type"]=> int(8) ["message"]=> string(24) "Undefined variable: jobs" ["file"]=> string(32) "/mnt/wp/cppentry/do/bencandy.php" ["line"]=> int(217) }