【Flume实操】4 Flume 自定义 Interceptor 开发案例

Flume 自定义 Interceptor 开发案例

1. 案例需求分析

案例需求：实时监控指定文件，即只要应用程序向这个文件里面写数据，Source 组件就可以获取到该信息，自定义 Interceptor 区分“国产电影”和“外国电影”，将其分别发往不同的 Channel，最后上传到 HDFS 中。

需求分析：该实训是，使用 Exec Source 接收外部数据源，HDFS 作为 Sink。Flume 使用 tail 命令从指定文件尾部读取，将每行作为一个 Event，根据 Interceptor 的设置发往不同的 Channel 中缓存，最后存入 HDFS 不同的目录中。过程如下图所示：

2. 自定义 Interceptor 的步骤

自定义拦截器需要实现 org.apache.flume.interceptor.Interceptor 接口以及与之相关的 org.apache.flume.interceptor.Interceptor.Builder 接口，其中，Interceptor 接口是主要定义过滤/拦截方法的接口，Builder 是创建该对应拦截器的接口。具体步骤如下：

（1）创建 Java 项目，导入 Flume 的 jar 包；

（2）自定义拦截器类 MovieInterceptor 实现 Flume 提供的 Interceptor 接口，并在其中定义一个静态内部类 MyBuilder，实现 Interceptor 的内部接口 Builder。区中：

Interceptor 的实现类有四个方法：initialize() 为初始化方法，intercept(Event event) 用来处理单个 Event，intercept(List events) 用来处理多个 Event，close() 用来关闭资源。
Builder 的实现类有两个方法：build() 用来构造自己的拦截器对象，configure() 可以获取我们自己编写的 agent 文件中的配置。
（3）将自定义的拦截器打成 jar 包放到 $FLUME_HOME/lib 目录下。

（4）配置 Flume 采集方案。

（5）使用指定采集方案启动 Flume。

（6）往监控文件中写入测试数据。

（7）查看采集结果。

一、Flume 自定义 Interceptor

1. Interceptor 介绍
   Interceptor 是 Flume 中默认支持的拦截器，Interceptor 是在 Source 之后 Channel 之前拦截数据，可以在其中追加参数也可以过滤无效数据。官方提供的拦截器有：

Timestamp Interceptor：在 Event 的 headers 中添加一个 timestamp 为 key，value 为当前的时间戳的键值对。这个拦截器在 Sink 为 HDFS 时很有用。
Host Interceptor：在 Event 的 headers 中添加一个 host 为 key，value 为当前机器 ip/主机名 的键值对。
Static Interceptor：在 Event 的 headers 中自定义添加一个 key/value 键值对。
Regex Filtering Interceptor：通过正则表达式来过滤或者包含 body 匹配的 Events。
Regex Extractor Interceptor：通过正则表达式来提取 body 中的内容并添加到 headers 中。
2. Interceptor 实现
自定义拦截器需要实现 org.apache.flume.interceptor.Interceptor 接口以及与之相关的 org.apache.flume.interceptor.Interceptor.Builder 接口，其中，Interceptor 接口是主要定义过滤/拦截方法的接口，Builder 是创建该对应拦截器的接口。

Interceptor 接口主要方法：

（1） public void initialize()：初始化，可以为空。

（2）public Event intercept(Event event)：处理单个 Event，必须实现。Event 是 Flume 处理数据的数据结构，数据以 byte 存在 Event 的 body 中。该方法实现将“制片地区”包含“中国”的 Event 的 headers 赋值为“china”，其余赋值为“foreign”。

（3）public List intercept(List events)：批量处理 Event，必须实现。内部调用处理单个 Event 的方法。

（4） public void close()：关闭资源，可以为空。

Builder 接口主要方法：

（1） public Interceptor build()：创建拦截器实例对象，必须实现。

（2） public void configure(Context context)：可以获取我们自己编写的 agent 文件中的配置，可以为空。

二、Flume 配置讲解

1. Flume Source 配置讲解
   （1）Exec Source 配置讲解

Exec Source 在启动时运行给定的 Unix 命令，并期望该进程在标准输出上连续生成数据。如果进程因任何原因退出，则 Source 也会退出并且不会继续生成数据。这意味着诸如 cat [named pipe] 或 tail -F [file] 之类的命令会产生所需的结果，而 date 这种命令可能不会，因为前两个命令（tail 和 cat）能产生持续的数据流，而后者（date 这种命令）只会产生单个 Event 并退出。必需的参数已用粗体标明：

属性名称 默认值 描述
channels – 与 Source 绑定的 Channel，多个用空格分开
type – 组件类型名称，需要是 exec
command – 使用的系统命令，一般是 cat 或者 tail
selector.type replicating 配置 Channel 选择器。可选值：replicating 或 multiplexing，分别表示： 复制、多路复用
selector.* – Channel 选择器的相关属性，具体属性根据设定的 selector.type 值不同而不同
interceptors – 该 Source 所使用的拦截器，多个用空格分开
interceptors.* – 拦截器的相关属性
（2）Avro Source 配置讲解

Avro Source 监听 Avro 端口并接收从外部 Avro 客户端发送来的数据流。如果与上一层 Agent 的 Avro Sink 配合使用就组成了一个分层的拓扑结构。利用 Avro Source 可以实现多级流动、扇出流、扇入流等效果。以下是必需的参数：

属性名称 默认值 描述
channels – 与 Source 绑定的 Channel，多个用空格分开
type – 组件类型名称，需要是 avro
bind – 要监听的主机名或 IP 地址
port – 要监听的服务端口
2. Flume Sink 配置讲解
（1）Avro Sink 配置讲解

Avro Sink 可以作为 Flume 分层收集特性的下半部分。发送到此 Sink 的 Flume Event 将转换为 Avro Event 发送到配置的主机/端口上。Event 从配置的 Channel 中批量获取，数量根据配置的 batch-size 而定。以下是必需的参数：

属性名称 默认值 描述
channel – 与 Sink 绑定的 Channel
type – 组件类型名称，需要是 avro
bind – 要监听的主机名或 IP 地址
port – 要监听的服务端口
（2）HDFS Sink 配置讲解

HDFS Sink 将 Event 写入 Hadoop 分布式文件系统（也就是 HDFS）。它目前支持创建文本和序列文件，以及两种类型的压缩文件。

HDFS Sink 可以根据写入的时间、文件大小或 Event 数量定期滚动文件（关闭当前文件并创建新文件）。它还可以根据 Event 发生的时间戳或系统时间等属性对数据进行存储/分区。存储文件的 HDFS 目录路径可以使用格式转义序列，这些转义序列将被 HDFS Sink 进行动态地替换，以生成用于存储 Event 的目录或文件名。使用 HDFS Sink 时需要安装 Hadoop，以便 Flume 可以使用 Hadoop jar 与 HDFS 集群进行通信。请注意， 需要使用支持 sync() 调用的 Hadoop 版本。

以下是支持的转义序列：

转义序列 描述
%{host} Event header 中 key 为 host 的值。这个 host 可以是任意的 key，只要 header 中有就能读取，比如 %{aabc} 将读取 header 中 key 为 aabc 的值
%t 毫秒值的时间戳（同 System.currentTimeMillis() 方法）
%a 星期的缩写（Mon、Tue 等）
%A 星期的全拼（Monday、 Tuesday 等）
%b 月份的缩写（Jan、 Feb 等）
%B 月份的全拼（January、February 等）
%c 日期和时间（Mon Feb 14 23:05:25 2022）
%d 月份中的某一天（00到31）
%e 没有填充的月份中的某一天（1到31）
%D 日期，与%m/%d/%y相同 ，例如：02/14/22
%H 小时（00到23）
%I 小时（01到12）
%j 一年中的一天（001到366）
%k 小时（0到23），注意跟 %H的区别
%m 月份（01到12）
%n 没有填充的月份（1到12）
%M 分钟（00到59）
%p am或者pm
%s unix时间戳，是秒值。比如 2022-02-14 18:15:49 的 unix 时间戳是：1644833749
%S 秒（00到59）
%y 一年中的最后两位数（00到99），比如1998年的%y就是98
%Y 年份（2010这种格式）
%z +hhmm，数字时区（比如：-0400）
%[localhost] Agent 实例所在主机的 hostname
%[IP] Agent 实例所在主机的 IP 地址
%[FQDN] Agent 实例所在主机的规范 hostname
注意，%[localhost]、%[IP] 和 %[FQDN] 这三个转义序列实际上都是用 Java 的 API 来获取的，在某些网络环境下可能会获取失败。

正在打开的文件会在名称末尾加上“.tmp”的后缀。文件关闭后，会自动删除此扩展名。这样容易排除目录中的那些已完成的文件。必需的参数已用粗体标明：

属性名称 默认值 描述
channel – 与 Sink 绑定的 Channel
type – 组件类型名称，需要是 hdfs
hdfs.path – HDFS 目录路径（例如：hdfs://namenode/flume/hivedata/）
hdfs.filePrefix FlumeData Flume 在 HDFS 文件夹下创建新文件的固定前缀
hdfs.fileSuffix – Flume 在 HDFS 文件夹下创建新文件的后缀（比如：.avro，注意这个“.”不会自动添加，需要显式配置）
hdfs.inUsePrefix – Flume 正在写入的临时文件前缀，默认没有
hdfs.inUseSuffix .tmp Flume 正在写入的临时文件后缀
hdfs.emptyInUseSuffix false 如果设置为 false 上面的 hdfs.inUseSuffix 参数在写入文件时会生效，并且写入完成后会在目标文件上移除 hdfs.inUseSuffix 配置的后缀。如果设置为 true 则上面的 hdfs.inUseSuffix 参数会被忽略，写文件时不会带任何后缀
hdfs.rollInterval 30 当前文件写入达到该值时间后触发滚动创建新文件（0表示不按照时间来分割文件），单位：秒
hdfs.rollSize 1024 当前文件写入达到该大小后触发滚动创建新文件（0表示不根据文件大小来分割文件），单位：字节
hdfs.rollCount 10 当前文件写入 Event 达到该数量后触发滚动创建新文件（0表示不根据 Event 数量来分割文件）
hdfs.idleTimeout 0 关闭非活动文件的超时时间（0表示禁用自动关闭文件），单位：秒
hdfs.batchSize 100 在将文件刷新到 HDFS 之前写入文件的 Event 数
hdfs.codeC – 压缩编解码器。可选值：gzip 、 bzip2 、 lzo 、 lzop 、 snappy
hdfs.fileType SequenceFile 文件格式。目前支持： SequenceFile 、 DataStream 、 CompressedStream 。 DataStream 不会压缩文件，不需要设置hdfs.codeC；CompressedStream 必须设置 hdfs.codeC 参数
hdfs.writeFormat Writable 文件写入格式。可选值： Text 、 Writable 。在使用 Flume 创建数据文件之前设置为 Text，否则 Apache Impala（孵化）或 Apache Hive 无法读取这些文件
hdfs.useLocalTimeStamp false 使用日期时间转义序列时是否使用本地时间戳（而不是使用 Event headers 中的时间戳）
serializer TEXT Event 转为文件使用的序列化器。其他可选值有： avro_event 或其他 EventSerializer.Builderinterface 接口的实现类的全限定类名
serializer.* 根据上面 serializer 配置的类型来根据需要添加序列化器的参数
3. Flume Channel 配置讲解
Memory Channel 配置讲解

Memory Channel 是把 Event 队列存储到内存上，队列的最大数量就是 capacity 的设定值。它非常适合对吞吐量有较高要求的场景，但也是有代价的，当发生故障的时候会丢失当时内存中的所有 Event。必需的参数已用粗体标明：

属性名称 默认值 说明
type – 组件类型名称，需要是 memory
capacity 100 存储在 Channel 中的最大 Event 数
transactionCapacity 100 Channel 将从 Source 接收或向 Sink 传递的每一个事务中的最大 Event 数（capacity>= transactionCapacity）
4. Flume Channel Selectors 配置讲解
Multiplexing Channel Selector 配置讲解

Multiplexing Channel Selector（多路复用通道选择器）参数如下：

属性名称 描述 设置值
selector.type replicating 组件类型名称，需要是 multiplexing
selector.header flume.selector.header 想要进行匹配的 Event headers 属性的名字
selector.default – 指定一个默认的 Channel。如果没有被规则匹配到，默认会发到这个 Channel 上
selector.mapping.* – 一些匹配规则

一、创建 Java 项目

1. 新建 Java 项目

打开 Eclipse，将 Eclipse 工作目录设置为 /root/eclipse-workspace，创建名为 “myinterceptor” 的Java Project，在 “myinterceptor” 项目下创建名为 com.hongyaa.flume 的 package 包。

2. 导入依赖 jar 包

右键“myinterceptor”项目—>选择“Build Path”—>“Configure Build Path”。之后弹出“Properties for myinterceptor”对话框，选择“Libraries”界面，之后单击“Add External JARs…”。弹出“JAR Selection”对话框，选择“+ Other Locations”—>“Computer”，进入“/root/software/apache-flume-1.9.0-bin/lib”目录，全选 lib 目录下的所有包，然后单击“open”，最后单击“Apply and Close”应用并关闭窗口。

二、自定义拦截器实现
自定义拦截器需要实现 org.apache.flume.interceptor.Interceptor 接口以及与之相关的 org.apache.flume.interceptor.Interceptor.Builder 接口，其中，Interceptor 接口是主要定义过滤/拦截方法的接口，Builder 是创建该对应拦截器的接口。

Interceptor 接口主要方法：

（1） public void initialize()：初始化，可以为空。

（2）public Event intercept(Event event)：处理单个 Event，必须实现。Event 是 Flume 处理数据的数据结构，数据以 byte 存在 Event 的 body 中。该方法实现将“制片地区”包含“中”的 Event 的 headers 赋值为“china”，其余赋值为“foreign”。

（3）public List intercept(List events)：批量处理 Event，必须实现。内部调用处理单个 Event 的方法。

（4） public void close()：关闭资源，可以为空。

Builder 接口主要方法：

（1） public Interceptor build()：创建拦截器实例对象，必须实现。

（2） public void configure(Context context)：可以获取我们自己编写的 agent 文件中的配置，可以为空。

三、编写拦截器类
在 com.hongyaa.flume 包下创建一个名为 MovieInterceptor 的 class 文件。在该拦截器类中，我们提取监控文件中“制片地区”字段，以“制片地区”是否包含“中国”字符串来区分“国产电影”和“外国电影”。若是“国产电影”则将 Event headers 中 key 对应的 value 值设置为 “china”，若是“外国电影”则将 Event headers 中 key 对应的 value 值设置为 “foreign”。自定义拦截器类代码参考如下：

package com.hongyaa.flume;

import java.util.ArrayList;
import java.util.List;
import java.util.Map;

import org.apache.flume.Context;
import org.apache.flume.Event;
import org.apache.flume.interceptor.Interceptor;

public class MovieInterceptor implements Interceptor {

// 声明一个存放事件的集合
private List<Event> addHeaderEvents;

@Override
public void initialize() {
// 初始化存放事件的集合
addHeaderEvents = new ArrayList<Event>();
}

/**
 * 单个事件拦截
 */
@Override
public Event intercept(Event event) {
// 1. 获取event中的头信息
Map<String, String> headers = event.？？？;
// 2. 获取event中的body信息，body是数据的载体
String body = new String(event.？？？);
// 3. 获取“制片地区”
String area = body.？？？(",")[5];
// 4. 根据“制片地区”中是否包含“中国”来决定添加怎样的头信息
if (area.？？？("中国")) {
headers.？？？("area", "china");// 添加头信息
} else {
headers.？？？("area", "foreign");// 添加头信息
}
// 5. 返回事件
return event;
}

/**
 * 批量事件拦截
 */
@Override
public List<Event> intercept(List<Event> events) {
// 1. 清空集合
addHeaderEvents.？？？;
// 2. 遍历events集合
for (Event event : events) {
// 3. 为每个事件添加头信息
addHeaderEvents.？？？(intercept(event));
}
// 4. 返回结果
return addHeaderEvents;
}

@Override
public void close() {
// do nothing
}

/**
 * 相当于自定义Interceptor的工厂类 
 * 在Flume采集配置文件中通过指定该Builder来创建Interceptor对象
 *
 */

public static class MyBuilder implements Interceptor.Builder {

@Override
public void configure(Context context) {
// do nothing
}

@Override
public Interceptor build() {
return new MovieInterceptor(); // 创建MovieInterceptor对象
}
}
}

四、jar 包准备
右键“myinterceptor”项目 ->选择 “Export” ，在弹出的 “Export" 对话框中，选择 “Java”->“JAR file”->“Next”。展开项目 “myinterceptor”，勾选包 “com.hongyaa.flume”，jar 包的保存路径为 /root/software/apache-flume-1.9.0-bin/lib，名称为 flume-movieinterceptor-1.9.0.jar，最后点击“Finish”。

1. 创建 Agent 配置文件（Exec Source + MovieInterceptor + Memory Channel + Avro Sink）
   进入 /root/software/apache-flume-1.9.0-bin/conf 目录，使用 touch 命令创建一个名为 flume1_exec_avro.conf 的配置文件。

2. 查看端口
   使用 netstat -nlp | grep 6666 命令查看 6666 和 6667 端口是否被占用。

3. 编辑配置文件 flume1_exec_avro.conf
   使用 vim 命令打开 flume1_exec_avro.conf 文件，在里面添加如下配置：

（1）配置 Flume Agent——a1

首先，我们需要为 a1 命名/列出组件，将数据源（Source）、缓冲通道（Channel）和接收器（Sink）分别命名为 execSource、 mc1 、 mc2 、 avroSink1 和 avroSink2。

（2）描述和配置 Exec Source

Exec Source 在启动时运行给定的 Unix 命令，并期望该进程在标准输出上连续生成数据。如果进程因任何原因退出，则 Source 也会退出并且不会继续生成数据。这意味着诸如 cat [named pipe] 或 tail -F [file] 之类的命令会产生所需的结果，而 date 这种命令可能不会，因为前两个命令（tail 和 cat）能产生持续的数据流，而后者（date 这种命令）只会产生单个 Event 并退出。

我们需要为 execSource 设置以下属性：

属性名称 描述 设置值
channels 与 Source 绑定的 Channel mc1 mc2
type 数据源的类型 exec
command 所使用的系统命令，一般是 cat 或者 tail tail -F /root/info/train/chapter4/movie.csv
interceptors 该 Source 所使用的拦截器，多个用空格分开 movieinter
interceptors.movieinter.type 拦截器类型 com.hongyaa.flume.MovieInterceptor$MyBuilder
selector.type 配置 Channel 选择器。可选值：replicating 或 multiplexing，分别表示： 复制、多路复用 multiplexing
selector.header 配置 Event headers 中的 key area
selector.mapping.china 配置 Event headers 中 key 对应的 value，如果是“china”就发往 mc1 mc1
selector.mapping.foreign 配置 Event headers 中 key 对应的 value，如果是“foreign”就发往 mc2 mc2
（3）描述和配置 Avro Sink

Avro Sink 可以作为 Flume 分层收集特性的下半部分。发送到此 Sink 的 Flume Event 将转换为 Avro Event 发送到配置的主机/端口上。Event 从配置的 Channel 中批量获取，数量根据配置的 batch-size 而定。

我们需要为 avroSink1 设置以下属性：

属性名称 描述 设置值
channel 与 Sink 绑定的 Channel mc1
type 接收器的类型 avro
hostname 要监听的主机名或 IP 地址 localhost（本机）
port 要监听的服务端口 6666（任意可用端口）
我们需要为 avroSink2 设置以下属性：

属性名称 描述 设置值
channel 与 Sink 绑定的 Channel mc2
type 接收器的类型 avro
hostname 要监听的主机名或 IP 地址 localhost（本机）
port 要监听的服务端口 6667（任意可用端口）
（4）描述和配置 Memory Channel

Memory Channel 是把 Event 队列存储到内存上，队列的最大数量就是 capacity 的设定值。它非常适合对吞吐量有较高要求的场景，但也是有代价的，当发生故障的时候会丢失当时内存中的所有 Event。

我们需要为 mc1 和 mc2 分别设置以下属性：

属性名称 描述 设置值
type 缓冲通道的类型 memory
capacity 存储在 Channel 中的最大 Event 数，默认值100 1000
transactionCapacity Channel 将从 Source 接收或向 Sink 传递的每一个事务中的最大 Event 数（capacity>= transactionCapacity），默认值100 100

vim flume1_exec_avro.conf

a1.sources = execSource
a1.channels = mc1 mc2
a1.sinks = avroSink1 avroSink2

a1.sources.execSource.channels = mc1 mc2
a1.sources.execSource.type = exec
a1.sources.execSource.command = tail -F /root/info/train/chapter4/movie.csv
a1.sources.execSource.interceptors = movieinter
a1.sources.execSource.interceptors.movieinter.type = com.hongyaa.flume.MovieInterceptor$MyBuilder
a1.sources.execSource.selector.type = multiplexing
a1.sources.execSource.selector.header = area
a1.sources.execSource.selector.mapping.china = mc1
a1.sources.execSource.selector.mapping.foreign = mc2

a1.sinks.avroSink1.channel = mc1
a1.sinks.avroSink1.type = avro
a1.sinks.avroSink1.hostname = localhost
a1.sinks.avroSink1.port = 6666

a1.sinks.avroSink2.channel = mc2
a1.sinks.avroSink2.type = avro
a1.sinks.avroSink2.hostname = localhost
a1.sinks.avroSink2.port = 6667

a1.channels.mc1.type = memory
a1.channels.mc1.capacity = 1000
a1.channels.mc1.transactionCapacity = 100

a1.channels.mc2.type = memory
a1.channels.mc2.capacity = 1000
a1.channels.mc2.transactionCapacity = 100

vim flume2_avro_hdfs.conf

a2.sources = avroSource
a2.channels = memoryChannel
a2.sinks = HDFSSink

a2.sources.avroSource.channels = memoryChannel
a2.sources.avroSource.type = avro
a2.sources.avroSource.bind = localhost
a2.sources.avroSource.port = 6666

## Describe the sink
#与 Sink绑定的 Channel
a2.sinks.HDFSSink.channel = memoryChannel
# 接收器的类型为 hdfs类型，输出目的地是HDFS
a2.sinks.HDFSSink.type = hdfs
# 数据存放在HDFS上的目录
a2.sinks.HDFSSink.hdfs.path = hdfs://localhost:9000/flumedata/china/%Y-%m-%d
# 文件的固定前缀为 hivelogs-
a2.sinks.HDFSSink.hdfs.filePrefix = china
# 按时间间隔滚动文件，默认30s，此处设置为 60s
a2.sinks.HDFSSink.hdfs.rollInterval = 0
# 按文件大小滚动文件，默认1024字节，此处设置为5242880字节 ( 5M)
a2.sinks.HDFsSink.hdfs.rollSize = 134217728
# 当Event个数达到该数量时，将临时文件滚动成目标文件，默认是10，0表示文件的滚动与Event数量无关
a2.sinks.HDFSSink.hdfs.rollCount =0
# 文件格式，默认为SequenceFile，但里面的内容无法直接打开浏览，所以此处设置为DataStream
a2.sinks.HDFSSink.hdfs.fileType = DataStream
# 文件写入格式，默认为Writable，此处设置为Text
a2.sinks.HDFSSink.hdfs.writeFormat = Text
# HDFS Sink是否使用本地时间，默认为false，此处设置为true
a2.sinks.HDFSSink.hdfs.useLocalTimeStamp = true

a2.channels.memoryChannel.type = memory
a2.channels.memoryChannel.capacity = 1000
a2.channels.memoryChannel.transactionCapacity = 100

vim flume3_avro_hdfs.conf

a3.sources = avroSource
a3.channels = memoryChannel
a3.sinks = HDFSSink

a3.sources.avroSource.channels = memoryChannel
a3.sources.avroSource.type = avro
a3.sources.avroSource.bind = localhost
a3.sources.avroSource.port = 6667

## Describe the sink
#与 Sink绑定的 Channel
a3.sinks.HDFSSink.channel = memoryChannel
# 接收器的类型为 hdfs类型，输出目的地是HDFS
a3.sinks.HDFSSink.type = hdfs
# 数据存放在HDFS上的目录
a3.sinks.HDFSSink.hdfs.path = hdfs://localhost:9000/flumedata/foreign/%Y-%m-%d
# 文件的固定前缀为 hivelogs-
a3.sinks.HDFSSink.hdfs.filePrefix = foreign
# 按时间间隔滚动文件，默认30s，此处设置为 60s
a3.sinks.HDFSSink.hdfs.rollInterval = 0
# 按文件大小滚动文件，默认1024字节，此处设置为5242880字节 ( 5M)
a3.sinks.HDFsSink.hdfs.rollSize = 134217728
# 当Event个数达到该数量时，将临时文件滚动成目标文件，默认是10，0表示文件的滚动与Event数量无关
a3.sinks.HDFSSink.hdfs.rollCount =0
# 文件格式，默认为SequenceFile，但里面的内容无法直接打开浏览，所以此处设置为DataStream
a3.sinks.HDFSSink.hdfs.fileType = DataStream
# 文件写入格式，默认为Writable，此处设置为Text
a3.sinks.HDFSSink.hdfs.writeFormat = Text
# HDFS Sink是否使用本地时间，默认为false，此处设置为true
a3.sinks.HDFSSink.hdfs.useLocalTimeStamp = true

a3.channels.memoryChannel.type = memory
a3.channels.memoryChannel.capacity = 1000
a3.channels.memoryChannel.transactionCapacity = 100

flume-ng agent -c conf/ -f conf/flume3_avro_hdfs.conf -n a3 -Dflume.root.logger=INFO,console
flume-ng agent -c conf/ -f conf/flume2_avro_hdfs.conf -n a2 -Dflume.root.logger=INFO,console
flume-ng agent -c conf/ -f conf/flume1_exec_avro.conf -n a1 -Dflume.root.logger=INFO,console

cat /root/info/train/chapter4/test.csv >> /root/info/train/chapter4/movie.csv

原文地址：https://blog.csdn.net/qq_23934063/article/details/140882731

免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！