一、目的
在实现Flume实时采集Linux中的Hive日志写入到HDFS后，再做一个测试，用Flume实时采集Linux中的目录文件，即使用 Flume 监听Linux整个目录的文件，并上传至 HDFS中
**二、**前期准备
（一）安装好Hadoop、Hive、Flume等工具
（二）Linux中被Flume监控的文件目录
/opt/flume/upload
最初的文件目录为空，没有任何文件！
（三）在HDFS中创建文件夹/flume/upload，即写入的HDFS文件路径
三、创建Flume的任务文件
root@hurys23 conf\]# vi flume-dir-hdfs.conf # agent a3 a3.sources = r3 a3.sinks = k3 a3.channels = c3 # Describe/configure the source a3.sources.r3.type = spooldir a3.sources.r3.spoolDir = /opt/flume/upload 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://hurys23:8020/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  注意： 1、配置文件中的各项参数需要调式，这里只是为了演示，实现目的、打通路径即可！实际在项目中操作时需要调试参数。 2、a3.sources.r3.spoolDir = /opt/flume/upload 为监控的目录文件在Linux中的路径 3、a3.sinks.k3.hdfs.path = hdfs://hurys23:8020/flume/upload/%Y%m%d/%H 为写入的HDFS文件路径 ## 四、启动Flume任务文件 \[root@hurys23 flume190\]# bin/flume-ng agent -n a3 -f /usr/local/hurys/dc_env/flume/flume190/conf/flume-dir-hdfs.conf  ## 五、在Linux中被监控的目录文件夹创建新的文件 ### （一）到Linux目录文件下 \[root@hurys23 \~\]# cd /opt/flume/upload/ \[root@hurys23 upload\]# ll 总用量 0 ### （二）创建.txt文件 .log文件 .tmp文件 \[root@hurys23 upload\]# touch atguigu.txt \[root@hurys23 upload\]# touch atguigu.log \[root@hurys23 upload\]# touch atguigu.tmp ### （三）创建文件后，ll查看文件状态 \[root@hurys23 upload\]# ll 总用量 0 -rw-r--r-- 1 root root 0 12月 5 16:08 atguigu.log.COMPLETED -rw-r--r-- 1 root root 0 12月 5 16:08 atguigu.tmp -rw-r--r-- 1 root root 0 12月 5 16:08 atguigu.txt.COMPLETED 由于配置文件中忽略所有以.tmp 结尾的文件，不上传，因此除了atguigu.tmp没变之外，其他文件名都变了 #忽略所有以.tmp 结尾的文件，不上传 a3.sources.r3.ignorePattern = (\[\^ \]\*\\.tmp) ## 六、Flume任务运行时写入的HDFS文件状况 ### （一）目前时间戳 2023/12/5 16时  ### （二）HDFS生成了20231205文件夹、16文件夹及其upload文件   ## 七、关闭Flume任务 首先jps查看Flume任务，然后直接kill程序 \[root@hurys23 conf\]# jps 28385 NodeManager 27938 SecondaryNameNode 16642 RunJar 27496 NameNode 27657 DataNode 16113 Application 16310 Jps 28215 ResourceManager \[root@hurys23 conf\]# kill -9 16113  Flume实时采集Linux中的目录文件写入到HDFS的测试就先到这里，后面有问题的话再更新！ 这种需求在实际项目中目前还没遇到过，就算提前熟悉一下吧，万一后面碰到呢