前言：为了呼应上篇文章总结部分提出的点。这一篇文章决定来个实战Demo。需求就是使用Spooling Directory Source监听一个文件夹下面新增的文件，然后上传到HDFS中，这需要大家先安装好Hadoop。（ps：我的环境是伪分布式，我有个问题请教各位大佬，我namenode，datanode都能通过jps查看。而且也可以使用hadoop client，为什么localhost:50070还是访问不了。网上搜都是重新格式化namenode，但是还是不行。有知道的大佬请帮一下我，先谢）。
001.jpg
一、Spooling Directory Source介绍
Spooling Directory Source通过监听某个目录下的新增文件，并将文件的内容读取出来，实现日志信息的收集。实际使用中会结合log4j进行使用。被传输结束的文件会修改后缀名，添加.completed后缀（可以自定义）。
这里需要注意两点：
放入监控目录后，文件不能被修改，否则抛异常；
监控目录下不能有子目录；
二、log4j配置
我使用log4j的DailyRollingFileAppender去每分钟生成一个日志到配置的目录下，代码如下：
#输出信息到文件
log4j.appender.file = org.apache.log4j.DailyRollingFileAppender
#这个是生成日志文件的目录及文件名
log4j.appender.file.File = /Users/jsj/eclipse-workspace/log4j/src/main/java/testlog.log
log4j.appender.file.Append = true#每分钟产生一个日志文件
#当前的文件名是testlog.log,前面分钟产生的文件是这种命名形式testlog.log.2018-08-20-18-16。
log4j.appender.file.DatePattern = '.'yyyy-MM-dd-HH-mm
log4j.appender.file.layout = org.apache.log4j.PatternLayout
log4j.appender.file.layout.ConversionPattern = [%-5p] %-d{yyyy-MM-dd HH:mm:ss} %m%n注意这里日志生成的目录不要和Spooling Directory监控的目录一样。因为产生日志时会不断Append到当前这一分钟的日志文件，我们刚刚还说Spooling Directory监控目录下的文件不能修改。那怎么办呢？
002.jpg
可以通过shell脚本定时把文件通过mv 或 cp命令弄到Spooling Directory的监控文件夹下。
But，为了降低学习曲线，防止大家看到shell望而却步，我决定不采用这种方式。只是简单的先让程序生成一些文件，然后直接通过shell一次性把所有文件放进去。
三、Java生成日志
日志的内容(不含log4j中的配置)为：
0a58f82b-ff6f-4feb-abe2-7c6ac9a0c24d####ERH####qhp####6677062
格式为：用户ID--县号--镇号--收入
public class Main { public static void main(String[] args) throws Exception {
Thread thread = new Thread(new GenerateRecord());
thread.start();
}
}class GenerateRecord extends Thread { private final Logger log = Logger.getLogger(GenerateRecord.class); public void run() { while (true) { // 随机产生一个用户uuid
UUID userId = UUID.randomUUID();
System.out.println(userId.toString().length()); // 产生一个随机的用户总资产
int num = (int) (Math.random() * 10000000) + 100000; // 产生一个随意的县名
StringBuilder sb = new StringBuilder(); for (int i = 0; i < 3; i++) { char a = (char) (Math.random() * (90 - 65) + 65);
sb.append(a);
}
String county = sb.toString(); // 产生一个随机的镇名
StringBuilder sb1 = new StringBuilder(); for (int i = 0; i < 3; i++) { char a = (char) (Math.random() * (122 - 97) + 97);
sb1.append(a);
}
String town = sb1.toString(); // 生成日志
log.info(userId + "####" + county + "####" + town + "####" + num); // 停1秒钟
try {
Thread.sleep(1000);
} catch (InterruptedException e) {
e.printStackTrace();
}
}
}
}在几分钟后停掉程序，在终端输入cd /Users/jsj/eclipse-workspace/log4j/src/main/java/ 查看生成的文件 ls -1 ，如下:
003.png
四、Flume配置
这部分是大家关注的重点。（不懂的配置可以去官网看）
004.jpg
在flume安装目录的conf/flume.conf下加入如下代码：
# my application flume configuration #agent2是我们给agent起的名字 agent2.sources=source2 agent2.sinks=sink2 agent2.channels=channel2 #Spooling Directory #set source2 #设置type为spooldir，这个值是flume给定的alias agent2.sources.source2.type=spooldir #设置监控目录，注意和前面log4j的目录不同 agent2.sources.source2.spoolDir=/Users/jsj/eclipse-workspace/logs agent2.sources.source2.channels=channel2 agent2.sources.source2.fileHeader = false#set sink2 agent2.sinks.sink2.type=hdfs agent2.sinks.sink2.hdfs.path=hdfs://localhost:9000/flumeagent2.sinks.sink2.hdfs.fileType=DataStream agent2.sinks.sink2.hdfs.writeFormat=TEXT agent2.sinks.sink2.hdfs.rollInterval=60agent2.sinks.sink2.channel=channel2 #设置存储到HDFS后文件的前缀 agent2.sinks.sink2.hdfs.filePrefix=%Y-%m-%d #set channel2 #设置内存通道 agent2.channels.channel2.type=memory agent2.channels.channel2.capacity=10000agent2.channels.channel2.transactionCapacity=1000agent2.channels.channel2.keep-alive=30
可以，现在启动flume-ng。首先进到 bin 目录下，输入./flume-ng agent -c ../conf -f ../conf/flume.conf -Dflume.root.logger=INFO,console -n agent2
启动成功如下图：
005.png
接下来开另一个终端，将刚才生成的日志文件拷贝到Spooling Directory监控目录下。输入如下命令：cp /Users/jsj/eclipse-workspace/log4j/src/main/java/testlog.log* /Users/jsj/eclipse-workspace/logs
此时flume的终端会嗖嗖嗖的刷日志，我截下来几条，主要是打开文件，对正在处理的文件改名为.tmp后缀，上传到HDFS后把HDFS上文件的.tmp删掉，本地的监控目录下文件加.COMPLETED后缀。
006.png
007.png
这时候我们去HDFS上检查一下：新开个终端输入hadoop fs -ls /flume。发现生成了比我们文件数多的多的文件，原来只有11个,现在有62个文件。
008.png
为什么呢？你是不是
009.jpg
有问题去官网看文档啊。发现在HDFS SINK下有这样一个配置。
010.png
意思是说，这个属性你不配默认是10条记录一个文件。那我们看下HDFS上的文件是不是10条记录。输入hadoop fs -cat /flume/2018-08-20.1534766919112查看下文件内容，没错就是10条。
011.png
这下真相大白了。这又体现了看官方文档的重要性。剩下的事情就交给你们了。
五、总结
本文接Flume学习系列(一)，实现了一个具体的Demo，练习了flume的配置文件的编写，以及查找问题的方法。
作者：小北觅
链接：https://www.jianshu.com/p/968e3e110b62