第1节 flume:7、flume的监控文件夹,实现数据收集到hdfs上
1.2.2 采集案例
1、采集目录到HDFS
需求分析
结构示意图:
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
l 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
l 下沉组件,即sink——HDFS文件系统 : hdfs sink
l 通道组件,即channel——可用file channel 也可以用内存channel
flume配置文件开发
配置文件编写:
cd /export/servers/apache-flume-1.6.0-cdh5.14.0-bin/conf
mkdir -p /export/servers/dirfile
vim spooldir.conf
# Name the components on this agent
a1.sources = r1
a1.sinks = k1
a1.channels = c1
# Describe/configure the source
##注意:不能往监控目录中重复丢同名文件
a1.sources.r1.type = spooldir
a1.sources.r1.spoolDir = /export/servers/dirfile
a1.sources.r1.fileHeader = true
# Describe the sink
a1.sinks.k1.type = hdfs
a1.sinks.k1.channel = c1
a1.sinks.k1.hdfs.path = hdfs://node01:8020/spooldir/files/%y-%m-%d/%H%M/
a1.sinks.k1.hdfs.filePrefix = events-
a1.sinks.k1.hdfs.round = true
a1.sinks.k1.hdfs.roundValue = 10
a1.sinks.k1.hdfs.roundUnit = minute
a1.sinks.k1.hdfs.rollInterval = 3
a1.sinks.k1.hdfs.rollSize = 20
a1.sinks.k1.hdfs.rollCount = 5
a1.sinks.k1.hdfs.batchSize = 1
a1.sinks.k1.hdfs.useLocalTimeStamp = true
#生成的文件类型,默认是Sequencefile,可用DataStream,则为普通文本
a1.sinks.k1.hdfs.fileType = DataStream
# Use a channel which buffers events in memory
a1.channels.c1.type = memory
a1.channels.c1.capacity = 1000
a1.channels.c1.transactionCapacity = 100
# Bind the source and sink to the channel
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1
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flume
bin/flume-ng agent -c ./conf -f ./conf/spooldir.conf -n a1 -Dflume.root.logger=INFO,console
上传文件到指定目录
将不同的文件上传到下面目录里面去,注意文件不能重名
cd /export/servers/dirfile
最新文章
- DDD CQRS架构和传统架构的优缺点比较
- bochs上网及配置
- AngularJs 键盘事件和鼠标事件
- android 入门-工序
- Github for Windows安装
- URL Scheme吊起app实现另外一种登录方式
- Android WiFi管理(WIFI_SERVICE)
- jQuery对象和DOM对象和字符串之间的转化
- 用R语言分析与预測员工离职
- 洛谷4859 BZOJ3622 已经没什么好害怕的了(DP,二项式反演)
- 9.3Django
- 在一个activity中销毁指定activity
- 【Java】数组使用
- 将通过<;input type=";file";>;上传的txt文件存储在localStorage,提取并构建File对象
- git —— 基本命令以及操作(No.1)
- DataGridView添加一行数据、全选、取消全选、清空数据、删除选中行
- Sublime Text 3插件收集
- Xcode及模拟器SDK下载
- CSSborder制作小三角形
- javascript之Ajax获取和设置标头