以下配置基于版本 apache-flume-1.8.0-bin
我们假定已经对Flume有一定了解，并且对Flume 的各个组件有一定了解。
我们演示一个基本的source 为 spooldir源
channel 为 memory
sink 为 hdfs 类型
的配置示例：
这里我们要对spooldir 源进行简单讲解：
spooldir 可以避免 exec 中 利用 tail -f xxx.log 可能导致的数据重传或者， 输入流与拉取流速度不一致导致的数据丢失的问题。
具体的原理如下：
spooldir 源可以监听 某个目录下文件的变化，并会将已经传输完成的文件 以 添加后缀的形式 进行重命名，
所以一般的用法是将完整的日志 拷贝进监视的目录中，然后让 spooldir 源对 数据进行拉取。
但还是存在着一定的问题，
1) 日志拉取一半，flume 进程被杀死，这时原始日志被拉取了一半，但是并未完全拉去完全，并不会重命名
2) 如果存在着与完成文件未改名前同名的文件，会flume 程序直接宕掉
我们在解压好的目录下创建 2个子目录 my-conf, my-bin
my-conf 存放了 对 agent (source, sink, channel) 的配置
my-bin 存放了 agent 的启动脚本
my-conf
my-bin
配置文件
my-conf/flume-spooldir-memory-hdfs.properties
# example.conf: A single-node Flume configuration # Name the components on this agent hdfs_agent.sources = r1 hdfs_agent.sinks = k1 hdfs_agent.channels = c1 # Describe/configure the source hdfs_agent.sources.r1.type = spooldir hdfs_agent.sources.r1.spoolDir = /tmp/logs/spoolDir # Describe the sink hdfs_agent.sinks.k1.type = hdfs hdfs_agent.sinks.k1.hdfs.path = hdfs://192.168.75.128:9000/test/flume/hdfs_spooldir_source/%Y-%m-%d/ hdfs_agent.sinks.k1.hdfs.rollInterval = 3600 hdfs_agent.sinks.k1.hdfs.rollSize = 1048576 hdfs_agent.sinks.k1.hdfs.rollCount = 20 hdfs_agent.sinks.k1.hdfs.filePrefix = log_%Y%m%d_%H hdfs_agent.sinks.k1.hdfs.fileSuffix = .txt hdfs_agent.sinks.k1.hdfs.fileType = DataStream hdfs_agent.sinks.k1.hdfs.useLocalTimeStamp = true # Use a channel which buffers events in memory hdfs_agent.channels.c1.type = memory hdfs_agent.channels.c1.capacity = 1000 hdfs_agent.channels.c1.transactionCapacity = 100 # Bind the source and sink to the channel hdfs_agent.sources.r1.channels = c1 hdfs_agent.sinks.k1.channel = c1
启动脚本
my-bin/start_spooldir_memory_hdfs.sh
#!/bin/bash ROOT_PATH=$(dirname $(dirname $(readlink -f $0))) cd $ROOT_PATH bin/flume-ng agent --conf ./conf/ -f my-conf/flume-spooldir-memory-hdfs.properties -Dflume.root.logger=INFO,console -n hdfs_agent