目录
设置
| 属性名称 | 默认值 | 说明 |
|---|---|---|
| channel | - | |
| type | - | 组件类型名称，必须是hdfs |
| hdfs.path | - | HDFS路径，例如：hdfs://mycluster/flume/mydata |
| hdfs.filePrefix | FlumeData | flume在hdfs目录中创建文件的前缀 |
| hdfs.fileSuffix | - | flume在hdfs目录中创建文件的后缀 |
| hdfs.inUsePrefix | - | flume正在写入的临时文件的前缀 |
| hdfs.inUseSuffix | .tmp | flume正在写入的临时文件的后缀 |
| hdfs.rollInterval | 30 | 多长时间写一个新的文件 (0 = 不写新的文件)，单位：秒 |
| hdfs.rollSize | 1024 | 文件多大时写新文件，单位：字节(0: 不基于文件大小写新文件) |
| hdfs.rollCount | 10 | 当写一个新的文件之前要求当前文件写入多少事件(0 = 不基于事件数写新文件) |
| hdfs.idleTimeout | 0 | 多长时间没有新增事件则关闭文件(0 = 不自动关闭文件)，单位：秒 |
| hdfs.batchSize | 100 | 写多少个事件开始向HDFS刷数据 |
| hdfs.codeC | - | 压缩格式：gzip, bzip2, lzo, lzop, snappy |
| hdfs.fileType | SequenceFile | 支持的值有：SequenceFile，DataStream，CompressedStream |
| hdfs.maxOpenFiles | 5000 | 最大打开文件数。如果数量超了则关闭最旧的文件 |
| hdfs.minBlockReplicas | - | 对每个hdfs的block设置最小副本数。不指定则使用hadoop的配置值（默认为1） |
| hdfs.writeFormat | - | 对于sequence file记录的类型。Text或者Writable（默认值） |
| hdfs.callTimeout | 10000 | 为HDFS操作（如open、write、flush、close）准备的时间，单位：毫秒 |
| hdfs.threadsPoolSize | 10 | 每个HDFS sink用于HDFS io操作的线程数 |
| hdfs.rollTimerPoolSize | 1 | 每个HDFS sink用于调度计时文件滚动的线程数 |
| hdfs.round | false | 是否需要新建文件夹以支持文件夹滚动 |
| hdfs.roundValue | 1 | 与roundUnit一起指定文件夹滚动的时长，会四舍五入 |
| hdfs.roundUnit | second | 控制文件夹个数。多长时间生成新文件夹，可设置为second, minute或hour |
| hdfs.timeZone | Local Time | 用于解析目录路径的时区名称，例如：America/Los_Angeles |
| hdfs.useLocalTimeStamp | false | 一般设置为true以使用本地时间。若不使用，则要求flume发送的事件header中带有时间戳 |
时间参数
| 别名 | 描述 |
|---|---|
| %t | Unix时间戳，毫秒 |
| %{host} | 替换名为"host"的事件header的值。支持任意标题名称。 |
| %a | 星期几的短名，例如：Mon, Tue, ... |
| %A | 星期几的全名，例如：Monday, Tuesday, ... |
| %b | 月份短名，例如：Jan, Feb, ... |
| %B | 月份全名，例如：January, February, ... |
| %c | 时间和日期，格式如：Thu Mar 3 23:05:25 2030 |
| %d | 月份中的天数，两位数字表示（01-31） |
| %e | 月份中的天数，不补零（1-31） |
| %D | 日期，与%m/%d/%y格式相同 |
| %H | 小时，24小时制，两位数字表示（00-23） |
| %I | 小时，12小时制，两位数字表示（01-12） |
| %j | 一年中的天数，三位数字表示（001-366） |
| %k | 小时，24小时制，不补零（0-23） |
| %m | 月份，两位数字表示（01-12） |
| %n | 月份，不补零（1-12） |
| %M | 分钟，两位数字表示（00-59） |
| %p | 本地化的上午或下午标识 |
| %s | 自1970-01-01 00:00:00 UTC以来的秒数 |
| %S | 秒，两位数字表示（00-59） |
| %y | 年份的最后两位，两位数字表示（00-99） |
| %Y | 年份，四位数字表示（例如：2030） |
| %z | 数字时区，例如：+hhmm（如-0400） |
配置文件
spooldir-logger-hdfs01.conf
配置文件内部具体的参数可以参考上面的两张表格
bash
# Name the components on this agent
# a1--agent
# all source of a1
a1.sources = r1
# all sinks of a1
a1.sinks = k1
# all channels of a1
a1.channels = c1
# Describe/configure the source
a1.sources.r1.type = spooldir
#
a1.sources.r1.spoolDir = /opt/module/jar/test
a1.sources.r1.fileSuffix= .wunaiieq
a1.sources.r1.ignorePattern=([^ ]*\.tmp)
a1.sources.r1.fileHeader = true
# Describe the sink
a1.sinks.k1.type = hdfs
a1.sinks.k1.hdfs.path = /flume/enents/%m-%d/%H%M/%S
a1.sinks.k1.hdfs.filePrefix = events-
a1.sinks.k1.hdfs.round = true
a1.sinks.k1.hdfs.roundValue = 5
a1.sinks.k1.hdfs.roundUnit =second
a1.sinks.k1.hdfs.useLocalTimeStamp = true
# Use a channel which buffers events in memory
a1.channels.c1.type = memory
a1.channels.c1.capacity = 1000
a1.channels.c1.transactionCapacity = 100
# Bind the source and sink to the channel
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1执行效果
使用spooldir进行source设置，监控目录下新产生的文件
输出端的sink则连接至hdfs，以每5秒频率产生一个文件夹，同时flume会将日志写入到此文件夹中。（当监控的source没有产生变化时，不会有events输出，因此不会产生文件）
文件读取
报错了，产生的是二进制文件
[atguigu@master test]$ hdfs dfs -cat /flume/enents/12-06/1045/50/events-.1733453151446
2024-12-06 10:53:06,283 INFO sasl.SaslDataTransferClient: SASL encryption trust check: localHostTrusted = false, remoteHostTrusted = false
²3ڂOaag.apache.hadoop.io.LongWritable"org.apache.hadoop.io.BytesWritablV;ꨄn
²3;