实时监控目录下多个新文件
1）案例需求：
使用flume监控某个目录下的日志文件，当某个目录下出现符合要求的文件名称的文件时，则对文件中的日志数据进行读取，并将数据最终写入到hdfs上
2）需求分析：
3）实现步骤：
（1）创建配置文件files-flume-hdfs.conf
创建一个文件
[qinjl@hadoop102 job]$ vim files-flume-hdfs.conf
添加如下内容
a3.sources = r3
a3.sinks = k3
a3.channels = c3
# Describe/configure the source
a3.sources.r3.type = spooldir
a3.sources.r3.spoolDir = /opt/module/flume/upload
# 每次读完，都会给读完的文件增加.COMPLETED后缀，从而忽略这些文件
a3.sources.r3.fileSuffix = .COMPLETED
#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 = /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，默认的数据流的格式为SequenceFile
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
（2）启动监控文件夹命令
[qinjl@hadoop102 flume]$ bin/flume-ng agent --conf conf/ --name a3 --conf-file job/files-flume-hdfs.conf
- 说明：在使用Spooling Directory Source时，不要在监控目录中创建并持续修改文件；上传完成的文件会以
.COMPLETED结尾；被监控文件夹每500毫秒扫描一次文件变动。
（3）向upload文件夹中添加文件
在/opt/module/flume目录下创建upload文件夹
[qinjl@hadoop102 flume]$ mkdir upload
向upload文件夹中添加文件
扫描二维码关注公众号，回复：
11560425 查看本文章
[qinjl@hadoop102 upload]$ touch qinjl.txt
[qinjl@hadoop102 upload]$ touch qinjl.tmp
[qinjl@hadoop102 upload]$ touch qinjl.log
（4）查看HDFS上的数据
（5）等待1s，再次查询upload文件夹
[qinjl@hadoop102 upload]$ ll
总用量 0
-rw-rw-r--. 1 qinjl qinjl 0 5月 20 22:31 qinjl.log.COMPLETED
-rw-rw-r--. 1 qinjl qinjl 0 5月 20 22:31 qinjl.tmp
-rw-rw-r--. 1 qinjl qinjl 0 5月 20 22:31 qinjl.txt.COMPLETED
实时监控多目录下的多个追加文件
Exec source 适用于监控一个实时追加的文件，不能实现断点续传；Spooldir Source 适合用于同步新文件，但不适合对实时追加日志的文件进行监听并同步；而Taildir Source适合用于监听多个实时追加的文件，并且能够实现断点续传。
1）案例需求：
使用Flume监听整个目录的实时追加文件，并上传至HDFS
2）需求分析：
3）3）实现步骤：
（1）创建配置文件taildir-flume-hdfs.conf
创建一个文件
[qinjl@hadoop102 job]$ vim taildir-flume-hdfs.conf
添加如下内容
a3.sources = r3
a3.sinks = k3
a3.channels = c3
# Describe/configure the source
a3.sources.r3.type = TAILDIR
a3.sources.r3.positionFile = /opt/module/flume/tail_dir.json
a3.sources.r3.filegroups = f1 f2
a3.sources.r3.filegroups.f1 = /opt/module/file1/file1.txt
a3.sources.r3.filegroups.f2 = /opt/module/file2/file2.txt
# Describe the sink
a3.sinks.k3.type = hdfs
a3.sinks.k3.hdfs.path =/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 = 134217000
#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
（2）启动监控文件夹命令
[qinjl@hadoop102 flume]$ bin/flume-ng agent --conf conf/ --name a3 --conf-file job/taildir-flume-hdfs.conf
（3）向files文件夹中追加内容
在/opt/module/flume目录下创建file1和file2文件夹
[qinjl@hadoop102 flume]$ mkdir file1
[qinjl@hadoop102 flume]$ mkdir file2
向file1和file2文件夹中添加文件
[qinjl@hadoop102 file1]$ echo hello >> file1.txt
[qinjl@hadoop102 file2]$ echo world >> file2.txt
（4）查看HDFS上的数据
Taildir说明：
Taildir Source维护了一个json格式的position File，其会定期的往position File中更新每个文件读取到的最新的位置（pos为偏移量），偏移量是在提交事务之后记录的，（即事务提交之后，才会记录偏移量，若事务回滚，则不记录），因此能够实现断点续传。Position File的格式如下：
{"inode":2496272,"pos":12,"file":"/opt/module/flume/file1/file1.txt"}
{"inode":2496275,"pos":12,"file":"/opt/module/flume/file2/file2.txt"}
- 注：Linux中储存文件元数据的区域就叫做inode，每个inode都有一个号码，操作系统用inode号码来识别不同的文件，Unix/Linux系统内部不使用文件名，而使用inode号码来识别文件。