Flume监控文件夹

最新推荐文章于 2023-10-15 11:42:04 发布

student__software

最新推荐文章于 2023-10-15 11:42:04 发布

阅读量4k

点赞数

CC 4.0 BY-SA版权

分类专栏：大数据学习大数据生态技术文章标签： Flume监控文件夹

本文链接：https://blog.youkuaiyun.com/student__software/article/details/81394371

大数据学习同时被 2 个专栏收录

14 篇文章

订阅专栏

大数据生态技术

14 篇文章

订阅专栏

本文介绍如何使用Flume监控指定目录并将文件上传到HDFS的过程。具体包括配置Flume来监听文件夹、排除临时文件、设置文件完成标志等关键步骤。此外还详细说明了如何配置HDFS的sink来按时间滚动存储文件。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、需求分析

使用flume监听整个目录的文件

二、上传jar包，具体步骤见上一篇https://blog.youkuaiyun.com/student__software/article/details/81394222

三、配置文件

1、创建：$ touch flume-dir-hdfs.conf

2、编辑内容：

解析重要内容：①文件夹的source类型是spooldir ,具体配置在文档上见，②在监控的时候一定要将临时文件也就是tmp剔除，所以有ignorePattern ③文件夹的监控是是以文件的completed 后缀为准，也就是说，当上传完一个文件就会改他的后缀为complete，所以如果上传这样这结尾的文件是不执行上传的。

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
a3.sources.r3.fileHeader = true
#忽略所有以.tmp结尾的文件，不上传
a3.sources.r3.ignorePattern = ([^ ]*\.tmp)

# Describe the sink
a3.sinks.k3.type = hdfs
a3.sinks.k3.hdfs.path = hdfs://hadoop102:9000/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 = 600
#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
#最小冗余数
a3.sinks.k3.hdfs.minBlockReplicas = 1

# 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

4、启动，并文件夹里添加内容并观察