使用 Flume 監聽整個目錄的文件，並上傳至 HDFS。
一、創建配置文件 flume-dir-hdfs.conf
https://flume.apache.org/FlumeUserGuide.html#spooling-directory-source
# Name the components on this agent a3.sources = r3 a3.sinks = k3 a3.channels = c3 # Describe/configure the source a3.sources.r3.type = spooldir a3.sources.r3.spoolDir = /tmp/upload # 給 spoolDir 目錄中文件添加的后綴，區分記錄與未記錄（先記錄后改名） a3.sources.r3.fileSuffix = .COMPLETED a3.sources.r3.fileHeader = true # 忽略所有以.tmp 結尾的文件，不上傳 a3.sources.r3.ignorePattern = ([^ ]*\.tmp) # Describe the sink a3.sinks.k3.type = hdfs a3.sinks.k3.hdfs.path = hdfs://h136:9000/flume/upload/%Y%m%d/%H # 上傳文件的前綴 a3.sinks.k3.hdfs.filePrefix = upload- # 是否按照時間滾動文件夾 a3.sinks.k3.hdfs.round = true # 多少時間單位創建一個新的文件夾 a3.sinks.k3.hdfs.roundValue = 1 # 重新定義時間單位 a3.sinks.k3.hdfs.roundUnit = hour # 是否使用本地時間戳 a3.sinks.k3.hdfs.useLocalTimeStamp = true # 積攢多少個 Event 才 flush 到 HDFS 一次 a3.sinks.k3.hdfs.batchSize = 100 # 設置文件類型，可支持壓縮 a3.sinks.k3.hdfs.fileType = DataStream # 多久生成一個新的文件 a3.sinks.k3.hdfs.rollInterval = 60 # 設置每個文件的滾動大小大概是 128M a3.sinks.k3.hdfs.rollSize = 134217700 # 文件的滾動與 Event 數量無關 a3.sinks.k3.hdfs.rollCount = 0 # 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
二、啟動
cd /opt/apache-flume-1.9.0-bin/ bin/flume-ng agent --conf conf/ --name a3 --conf-file /tmp/flume-job/flume-dir-hdfs.conf -Dflume.root.logger=INFO,console
三、測試
vim /tmp/123.txt 123 456 789 cp /tmp/123.txt /tmp/upload/ cp /tmp/123.txt /tmp/upload/456.txt cp /tmp/123.txt /tmp/upload/789.txt
已記錄的文件會自動加上后綴。若復制以 tmp 結尾的文件 Flume 不記錄，在配置中已忽略。
說明：在使用 Spooling Directory Source 時不要在監控目錄中創建並持續修改文件，上傳完成的文件會以 .COMPLETED 結尾，被監控文件夾每 500 毫秒掃描一次文件變動。
HDFS 上的文件
