[TOC] # 分析 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 * 采集源，即source——监控文件目录 : spooldir * 下沉目标，即sink——HDFS文件系统 : hdfs sink * source和sink之间的传递通道——channel，可用file channel 也可以用内存memory channel # 配置文件 ~~~ #定义三大组件的名称 agent1.sources = source1 agent1.sinks = sink1 agent1.channels = channel1 # 配置source组件 agent1.sources.source1.type = spooldir agent1.sources.source1.spoolDir = /root/data/ # 是否使用当前文件头 agent1.sources.source1.fileHeader = false #配置拦截器 agent1.sources.source1.interceptors = i1 agent1.sources.source1.interceptors.i1.type = timestamp # 配置sink组件 # 类型是hdfs agent1.sinks.sink1.type = hdfs # 在hdfs上产生的目录 agent1.sinks.sink1.hdfs.path =/weblog/flume-collection/%y-%m-%d/%H-%M # 文件的前缀,在hdfs上的前置 agent1.sinks.sink1.hdfs.filePrefix = access_log # 最大文件打开数量 agent1.sinks.sink1.hdfs.maxOpenFiles = 5000 # 批次大小,就是文件达到多少条才提交到hdfs agent1.sinks.sink1.hdfs.batchSize= 100 # 当前文件存储数据类型,还可以用压缩格式 agent1.sinks.sink1.hdfs.fileType = DataStream # 文件的格式类型 agent1.sinks.sink1.hdfs.writeFormat =Text # 达到下面的三个任何一个就按照那个标准生成一个新文件 #滚动生成的文件按大小生成 agent1.sinks.sink1.hdfs.rollSize = 102400 #滚动生成的文件按行数生成 agent1.sinks.sink1.hdfs.rollCount = 100 #滚动生成的文件按时间生成,秒 agent1.sinks.sink1.hdfs.rollInterval = 10 #开启滚动生成目录 agent1.sinks.sink1.hdfs.round = true #以10为一梯度滚动生成 agent1.sinks.sink1.hdfs.roundValue = 10 #单位为分钟 agent1.sinks.sink1.hdfs.roundUnit = minute # Use a channel which buffers events in memory # 管道的类型 agent1.channels.channel1.type = memory # 管道的容量 agent1.channels.channel1.capacity = 500000 # 事务的类型 agent1.channels.channel1.transactionCapacity = 600 # 多久之后将数据从source移动到channel,channel移动到sink agent1.channels.channel1.keep-alive = 120 # Bind the source and sink to the channel # 对应的source,channel进行组装 agent1.sources.source1.channels = channel1 agent1.sinks.sink1.channel = channel1 ~~~ # 测试 启动 ~~~ flume-ng agent -c conf -f fhd.conf -n agent1 -Dflume.root.logger=INFO,console ~~~ fhd.conf换成你自己写的,不同的目录加上目录 -n代表上面定义的agent的名字 启动后可以看到打印的日志,只要`/root/data/`下面有文件就会移动到hdfs **flume的source采用spoodir时！ 目录下面不允许存放同名的文件，否则报错！** # 其他组件：Interceptor(拦截器) 用于Source的一组Interceptor，按照预设的顺序在必要地方装饰和过滤events。 内建的Interceptors允许增加event的headers比如：时间戳、主机名、静态标记等等 定制的interceptors可以通过内省event payload（读取原始日志），实现自己的业务逻辑（很强大）