大数据之Flume：监控多个新文件

1）案例需求：使用Flume监听整个目录的文件，并上传至HDFS
2）需求分析：

3）实现步骤：
使用组件 spooldir source
1．创建配置文件flume-dir-hdfs.conf
创建一个文件

[hadoop@hadoop101 job]$ vim flume-dir-hdfs.conf

添加如下内容

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
a3.sources.r3.fileSuffix = .COMPLETED
#忽略所有以.tmp结尾的文件，不上传
a3.sources.r3.ignorePattern = \\S*\\.tmp

# Describe the sink
a3.sinks.k3.type = hdfs
a3.sinks.k3.hdfs.path = hdfs://hadoop101:9000/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 = 10000
a3.channels.c3.transactionCapacity = 1000

# Bind the source and sink to the channel
a3.sources.r3.channels = c3
a3.sinks.k3.channel = c3

2.启动监控文件夹命令

[hadoop@hadoop101 flume]$ bin/flume-ng agent -c conf/ -n a3 -f job/flume-dir-hdfs.conf

说明：在使用Spooling Directory Source时
不要在监控目录中创建并持续修改文件
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
3. 向upload文件夹中添加文件
在/opt/module/flume目录下创建upload文件夹

[hadoop@hadoop101 flume]$ mkdir upload

向upload文件夹中添加文件

[hadoop@hadoop101 upload]$ touch bigdata.txt
[hadoop@hadoop101 upload]$ touch bigdata.tmp
[hadoop@hadoop101 upload]$ touch bigdata.log

4.查看HDFS上的数据

5. 等待1s，再次查询upload文件夹

[hadoop@hadoop101 upload]$ ll

总用量 0
-rw-rw-r–. 1 hadoop hadoop 0 5月 20 22:31 bigdata.log.COMPLETED
-rw-rw-r–. 1 hadoop hadoop 0 5月 20 22:31 bigdata.tmp
-rw-rw-r–. 1 hadoop hadoop 0 5月 20 22:31 bigdata.txt.COMPLETED