Flume—(2)实时读取本地文件到HDFS

1）案例需求

实时监控Hive日志，并上传到HDFS在。

2）需求分析

 

3）实现步骤：

 1.Flume要想将数据输出到HDFS，必须持有Hadoop相关的jar包

将commons-configuration-1.6、commons-io-2.4、hadoop-auth-2.9.0、hadoop-common-2.9.0、hadoop-hdfs-2.9.0、htrace-core4-4.1.0-incubating 拷贝到/opt/module/flume-1.9.0/lib文件下。

2.创建flume-file-hdfs.conf文件

创建

[atguigu@hadoop102 job]$ touch flume-file-hdfs.conf

　　注：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。

[atguigu@hadoop102 job]$ vim flume-file-hdfs.conf       

添加内容：

# Name the components on this agent
a2.sources = r2
a2.sinks = k2
a2.channels = c2

#Describe/configure the source
a2.sources.r2.type = exec    #定义source类型为exec可执行命令
a2.sources.r2.command = tail -F /opt/module/hive/logs/hive.log
a2.sources.r2.shell = /bin/bash -c #执行shell脚本的绝对路径
 
#Describe the sink
a2.sinks.k2.type = hdfs
a2.sinks.k2.hdfs.path = hdfs://hadoop102:9000/flume-1.9.0/%Y%m%d/%H
a2.sinks.k2.hdfs.filePrefix = logs-          #上传文件的前缀
a2.sinks.k2.hdfs.round = true　　　　　　　　　 #是否按照时间滚动文件夹
a2.sinks.k2.hdfs.roundValue = 1              #多少时间单位滚动文件夹
a2.sinks.k2.hdfs.roundUnit = hour            #重新定义时间单位
a2.sinks.k2.hdfs.useLocalTimeStamp = true    #是否使用本地时间戳
a2.sinks.k2.hdfs.batchSize = 1000            #积攒多少个event才flush到HDFS一次
a2.sinks.k2.hdfs.fileType = DataStream       #设置文件类型，可支持压缩
a2.sinks.k2.hdfs.rollInterval = 600          #多久生成一个新的文件
a2.sinks.k2.hdfs.rollSize = 134217700        #设置每个文件的滚动大小
a2.sinks.k2.hdfs.rollCount = 0               #文件的滚动与event数量无关
a2.sinks.k2.hdfs.minBlockReplicas = 1        #最小冗余数

#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

3. 先开启flume监听端口

[atguigu@hadoop102 flume-1.9.0]$ bin/flume-ng agent --conf conf/ --name a2 --conf-file job/flume-file-hdfs.conf

4. 开启Hadoop和Hive 并操作Hive产生日志

[atguigu@hadoop102 hadoop-2.9.0]$ sbin/start-dfs.sh
[atguigu@hadoop103 hadoop-2.9.0]$ sbin/start-yarn.sh

[atguigu@hadoop102 hive]$ bin/hive
hive (default)>

5. 在HDFS上查看文件

 

 源于atguigu视频