flume ----采集 目录到 到 HDFS

 案例：采集 目录到 到 HDFS

采集需求：某服务器的某特定目录下，会不断产生新的文件，每当有新文件出现，就需要把文件采集到 HDFS 中去。

根据需求，首先定义以下 3 大要素：

数据源组件，即 source ——监控文件目录 : spooldir

        spooldir 特性：
    1、监视一个目录，只要目录中出现新文件，就会采集文件中的内容
    2、采集完成的文件，会被 agent 自动添加一个后缀：.COMPLETED
    3、所监视的目录中不允许重复出现相同文件名的文件
下沉组件，即 sink——HDFS 文件系：hdfs sink

通道组件，即 channel——可用 file channel 也可以用内存 channel。

配置文件编写：spooldir-hdfs.properties

#定义三大组件的名称
agent1.sources = source1
agent1.sinks = sink1
agent1.channels = channel1
# 配置 source 组件
agent1.sources.source1.type = spooldir
agent1.sources.source1.spoolDir = /home/cry/cry_logs/
agent1.sources.source1.fileHeader = false
#配置拦截器
agent1.sources.source1.interceptors = i1
agent1.sources.source1.interceptors.i1.type = host
agent1.sources.source1.interceptors.i1.hostHeader = hostname
# 配置 sink 组件
agent1.sinks.sink1.type = hdfs
agent1.sinks.sink1.hdfs.path=hdfs://bd1803/flume_log/%y-%m-%d/%H-%M
agent1.sinks.sink1.hdfs.filePrefix = events
agent1.sinks.sink1.hdfs.maxOpenFiles = 5000
agent1.sinks.sink1.hdfs.batchSize= 100
agent1.sinks.sink1.hdfs.fileType = DataStream
agent1.sinks.sink1.hdfs.writeFormat =Text
agent1.sinks.sink1.hdfs.rollSize = 102400
agent1.sinks.sink1.hdfs.rollCount = 1000000
agent1.sinks.sink1.hdfs.rollInterval = 60
#agent1.sinks.sink1.hdfs.round = true
#agent1.sinks.sink1.hdfs.roundValue = 10
#agent1.sinks.sink1.hdfs.roundUnit = minute
agent1.sinks.sink1.hdfs.useLocalTimeStamp = true
# Use a channel which buffers events in memory
agent1.channels.channel1.type = memory
agent1.channels.channel1.keep-alive = 120
agent1.channels.channel1.capacity = 500000
agent1.channels.channel1.transactionCapacity = 600
# Bind the source and sink to the channel
agent1.sources.source1.channels = channel1

agent1.sinks.sink1.channel = channel1

Channel 参数解释：
capacity：默认该通道中最大的可以存储的 event 数量
trasactionCapacity：每次最大可以从 source 中拿到或者送到 sink 中的 event 数量

keep-alive：event 添加到通道中或者移出的允许时间

启动：

bin/flume-ng agent -c conf -f agentconf/spooldir-hdfs.properties -n agent1

测试：
1、如果 HDFS 集群是高可用集群，那么必须要放入 core-site.xml 和 hdfs-site.xml 文件到
$FLUME_HOME/conf 目录中；
2、查看监控的/home/Hadoop/logs 文件夹中的文件是否被正确上传到 HDFS 上；
3、在该目录中创建文件，或者从其他目录往该目录加入文件，验证是否新增的文件能被自
动的上传到 HDFS。