一、准备工作
Flume 要想将数据输出到 HDFS，必须持有 Hadoop 相关 jar 包。
将以下 jar 包拷贝到“/usr/local/flume/lib”目录下。
/usr/local/servers/hadoop/share/hadoop/common/lib/commons-configuration2-2.1.1.jar
/usr/local/servers/hadoop/share/hadoop/common/lib/commons-io-2.5.jar
/usr/local/servers/hadoop/share/hadoop/common/lib/hadoop-auth-3.1.3.jar
/usr/local/servers/hadoop/share/hadoop/common/lib/htrace-core4-4.1.0-incubating.jar
/usr/local/servers/hadoop/share/hadoop/common/lib/stax2-api-3.1.4.jar
/usr/local/servers/hadoop/share/hadoop/common/hadoop-common-3.1.3.jar
/usr/local/servers/hadoop/share/hadoop/hdfs/hadoop-hdfs-3.1.3.jar
[root@bigdata common]# cd /usr/local/flume/lib [root@bigdata lib]# cp /usr/local/servers/hadoop/share/hadoop/common/lib/commons-configuration2-2.1.1.jar . [root@bigdata lib]# cp /usr/local/servers/hadoop/share/hadoop/common/lib/commons-io-2.5.jar . [root@bigdata lib]# cp /usr/local/servers/hadoop/share/hadoop/common/lib/hadoop-auth-3.1.3.jar . [root@bigdata lib]# cp /usr/local/servers/hadoop/share/hadoop/common/lib/htrace-core4-4.1.0-incubating.jar . [root@bigdata lib]# cp /usr/local/servers/hadoop/share/hadoop/common/lib/stax2-api-3.1.4.jar . [root@bigdata lib]# cp /usr/local/servers/hadoop/share/hadoop/common/hadoop-common-3.1.3.jar . [root@bigdata lib]# cp /usr/local/servers/hadoop/share/hadoop/hdfs/hadoop-hdfs-3.1.3.jar .
二、实时读取本地文件到HDFS
（一）案例需求
实时监控Hive日志，并上传到HDFS中。
（二）需求分析
二、实时读取本地文件到HDFS
（一）案例需求
实时监控Hive日志，并上传到HDFS中。
（二）需求分析
（三）实现步骤
1、在“/usr/local/flume/”目录下新建文件夹job
[root@bigdata lib]# cd /usr/local/flume [root@bigdata flume]# mkdir job [root@bigdata flume]# cd job
2、在job目录下新建文件flume-file-hdfs.conf
[root@bigdata job]# vi flume-file-hdfs.conf
# Name the components on this agent a2.sources = r2 a2.sinks = k2 a2.channels = c2 # Describe/configure the source a2.sources.r2.type = exec a2.sources.r2.command = tail -F /usr/local/flume/datas/flume_tmp.log a2.sources.r2.shell = /bin/bash -c # Describe the sink a2.sinks.k2.type = hdfs a2.sinks.k2.hdfs.path = hdfs://bigdata:9000/flume/%Y%m%d/%H #上传文件的前缀 a2.sinks.k2.hdfs.filePrefix = logs- #是否按照时间滚动文件夹 a2.sinks.k2.hdfs.round = true #多少时间单位创建一个新的文件夹 a2.sinks.k2.hdfs.roundValue = 1 #重新定义时间单位 a2.sinks.k2.hdfs.roundUnit = hour #是否使用本地时间戳 a2.sinks.k2.hdfs.useLocalTimeStamp = true #积攒多少个Event才flush到HDFS一次 a2.sinks.k2.hdfs.batchSize = 1000 #设置文件类型，可支持压缩 a2.sinks.k2.hdfs.fileType = DataStream #多久生成一个新的文件 a2.sinks.k2.hdfs.rollInterval = 60 #设置每个文件的滚动大小 a2.sinks.k2.hdfs.rollSize = 134217700 #文件的滚动与Event数量无关 a2.sinks.k2.hdfs.rollCount = 0 #最小冗余数 a2.sinks.k2.hdfs.minBlockReplicas = 1 # 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
内容详解：
3、执行监控配置
[root@bigdata zhc]# cd /usr/local/flume [root@bigdata flume]# bin/flume-ng agent --conf conf/ --name a2 --conf-file job/flume-file-hdfs.conf
4、启动Hadoop和Hive并操作Hive产生日志
启动一个新的终端，输入：
[root@bigdata zhc]# start-all.sh [root@bigdata zhc]# cd /usr/local/hive [root@bigdata hive]# bin/hive
再启动一个新的终端，写入日志：
[root@bigdata hive]# echo 123 > /usr/local/flume/datas/flume_tmp.log
然后就可以在HDFS上查看：
三、实时读取目录文件到HDFS
（一）案例需求
使用Flume监听整个目录的文件。
（二）需求分析
（三）实现步骤
1、在job目录下新建文件flume-dir-hdfs.conf
[root@bigdata job]# vi flume-dir-hdfs.conf
a3.sources = r3 a3.sinks = k3 a3.channels = c3 # Describe/configure the source a3.sources.r3.type = spooldir a3.sources.r3.spoolDir = /usr/local/flume/datas 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://bigdata: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 = 60 #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 # 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
内容详解：
2、启动监控文件夹命令
启动一个新的终端：
[root@bigdata hive]# cd /usr/local/flume [root@bigdata flume]# bin/flume-ng agent --conf conf/ --name a3 --conf-file job/flume-dir-hdfs.conf
说明： 在使用Spooling Directory Source时
1.不要在监控目录中创建并持续修改文件
2.上传完成的文件会以.COMPLETED结尾
3.被监控文件夹每500毫秒扫描一次文件变动
3、向datas文件夹中添加文件
[root@bigdata job]# cd /usr/local/flume/datas [root@bigdata datas]# touch one.txt [root@bigdata datas]# touch two.txt
最后再到HDFS上查看：
