Flume 案例实操 - 实时读取本地文件到HDFS

r囧r小猫 2022-01-30 11:01 285阅读 0赞

实时监控日志文件，并上传到HDFS中。

## 需求分析 ##

1.  创建负责条件的flume配置文件
2.  启动flume，应用配置文件，开启监控
3.  模拟日志产生，日志文件`/opt/module/datas/flume_tmp.log`
4.  查看HDFS上的数据

## 实现步骤 ##

### 拷贝相关Hadoop 包到 Flume lib 目录 ###

Flume要想将数据输出到HDFS，必须持有Hadoop相关jar包。  
将如下包拷贝到`/opt/module/flume-1.7.0/lib`文件夹中

commons-configuration-1.6.jar
    hadoop-auth-2.7.2.jar
    hadoop-common-2.7.2.jar
    hadoop-hdfs-2.7.2.jar
    commons-io-2.4.jar
    htrace-core-3.1.0-incubating.jar

提示：`commons-io-2.4.jar、htrace-core-3.1.0-incubating.jar`为1.99版本flume必须引用的jar。其他版本可以不引用。

### 创建flume-file-hdfs.conf文件 ###

在`/opt/module/flume-1.7.0/job`文件中创建相关配置文件。要想读取Linux系统中的文件，就得按照Linux命令的规则执行命令。由于hive日志在Linux系统中所以读取文件的类型选择：exec即execute执行的意思。表示执行Linux命令来读取文件。

cd job
    vim flume-file-hdfs.conf

添加如下内容

# Name the components on this agent
    #定义source
    a2.sources = r2
    #定义sink
    a2.sinks = k2 
    #定义channel             
    a2.channels = c2                
    
    # Describe/configure the source
    #定义source类型为exec可执行命令的
    a2.sources.r2.type = exec       
    a2.sources.r2.command = tail -F /opt/module/datas/flume_tmp.log
    #执行shell脚本的绝对路径
    a2.sources.r2.shell = /bin/bash -c      
    
    # Describe the sink
    #定义sink类型为hdfs
    a2.sinks.k2.type = hdfs                     
    a2.sinks.k2.hdfs.path = hdfs://hadoop102:9000/flume/%Y%m%d/%H
    #上传文件的前缀
    a2.sinks.k2.hdfs.filePrefix = logs-         
    #是否按照时间滚动文件夹
    a2.sinks.k2.hdfs.round = true
    #多少时间单位创建一个新的文件夹
    a2.sinks.k2.hdfs.roundValue = 1
    #重新定义时间单位
    a2.sinks.k2.hdfs.roundUnit = hour
    #是否使用本地时间戳
    a2.sinks.k2.hdfs.useLocalTimeStamp = true
    #积攒多少个Event才flush到HDFS一次
    a2.sinks.k2.hdfs.batchSize = 1000
    #设置文件类型，可支持压缩
    a2.sinks.k2.hdfs.fileType = DataStream
    #多久生成一个新的文件
    a2.sinks.k2.hdfs.rollInterval = 600
    #设置每个文件的滚动大小
    a2.sinks.k2.hdfs.rollSize = 134217700
    #文件的滚动与Event数量无关
    a2.sinks.k2.hdfs.rollCount = 0
    #最小冗余数
    a2.sinks.k2.hdfs.minBlockReplicas = 1
    
    # Use a channel which buffers events in memory
    a2.channels.c2.type = memory
    a2.channels.c2.capacity = 1000
    a2.channels.c2.transactionCapacity = 100
    
    # Bind the source and sink to the channel
    a2.sources.r2.channels = c2
    a2.sinks.k2.channel = c2

### 开启hadoop集群 ###

群起集群

hdstart

参考：[集群群起脚本][Link 1]

### 执行监控配置 ###

bin/flume-ng agent --conf conf/ --name a2 --conf-file job/flume-file-hdfs.conf

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lsanBocA_size_16_color_FFFFFF_t_70]

### 模拟日志产生 ###

echo 123 > /opt/module/datas/flume_tmp.log

## 结果 ##

![\-w1196][-w1196]  
![\-w1225][-w1225]

[Link 1]: https://blog.csdn.net/yljphp/article/details/89602074
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lsanBocA_size_16_color_FFFFFF_t_70]: /images/20220130/6f60639f1e374d7aae6461fd3d9506a5.png
[-w1196]: /images/20220130/dee1c7a0e4764e48a5401f21ff5ef30a.png
[-w1225]: /images/20220130/dbbd68a40f49463693b7a86d907435e8.png