采用Flume实时采集和处理数据

最新推荐文章于 2022-11-27 20:00:00 发布

weixin_34128534

最新推荐文章于 2022-11-27 20:00:00 发布

阅读量1.3k

点赞数 1

文章标签：大数据爬虫 shell

本文介绍如何使用Flume进行实时数据采集与处理。通过配置代理监控指定目录下的文件变化，并将数据上传至HDFS。具体步骤包括设置Flume配置文件及编写Shell脚本来启动Flume任务。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

它已成功安装Flume在...的基础上。本文将总结使用Flume实时采集和处理数据，详细过程，如下面：

第一步，在$FLUME_HOME/conf文件夹下，编写Flume的配置文件，命名为flume_first_conf，详细内容例如以下：

#agent1表示代理名称
agent1.sources=source1
agent1.sinks=sink1
agent1.channels=channel1

#Spooling Directory是监控指定目录中新文件的变化，一旦新文件出现，就解析该文件内容。然后写入到channle。写入完毕后。标记该文件已完毕或者删除该文件。

#配置source1 agent1.sources.source1.type=spooldir agent1.sources.source1.spoolDir=/home/yujianxin/hmbbs agent1.sources.source1.channels=channel1 agent1.sources.source1.fileHeader = false agent1.sources.source1.interceptors = i1 agent1.sources.source1.interceptors.i1.type = timestamp #配置channel1 agent1.channels.channel1.type=file agent1.channels.channel1.checkpointDir=/home/yujianxin/hmbbs/hmbbs_tmp123 agent1.channels.channel1.dataDirs=/home/yujianxin/hmbbs/hmbbs_tmp #配置sink1 agent1.sinks.sink1.type=hdfs agent1.sinks.sink1.hdfs.path=hdfs://slave3:9000/hmbbs agent1.sinks.sink1.hdfs.fileType=DataStream agent1.sinks.sink1.hdfs.writeFormat=TEXT agent1.sinks.sink1.hdfs.rollInterval=1 agent1.sinks.sink1.channel=channel1 agent1.sinks.sink1.hdfs.filePrefix=%Y-%m-%d

第二步，编写Shell脚本，运行Flume任务

     <span style="font-size:18px;">        vi flume1.sh

             #!/bin/sh
           flume-ng agent -n agent1 -c conf-f /home/yujianxin/flume/apache-flume-1.4.0-bin/conf/flume_first_conf   
           -Dflume.root.logger=DEBUG,console >./flume1.log 2>&1 &
          让日志收集任务以后台进程执行，且将执行日志重定向到./flume1.log保存。

验证

通过命令行查看新启的进程