目标：使用flume1监控文件变动，flume1将变动内容传递给flume-2，flume-2负责存储到HDFS。同时flume1将变动内容传递给flume-3，flume-3负责输出到local
分步实现：
1) 创建flume1.conf，用于监控某文件的变动，同时产生两个channel和两个sink分别输送给flume2和flume3：
# 将文件监控到两个sink中，并传递给两个source # 1.agent a1.sources = r1 a1.sinks = k1 k2 a1.channels = c1 c2 # 将数据流复制给多个channel a1.sources.r1.selector.type = replicating # 2.source a1.sources.r1.type = exec a1.sources.r1.command = tail -F /opt/Shalltest a1.sources.r1.shell = /bin/bash -c # 3.sink1 a1.sinks.k1.type = avro a1.sinks.k1.hostname = bigdata166 a1.sinks.k1.port = 4141 # sink2 a1.sinks.k2.type = avro a1.sinks.k2.hostname = bigdata166 a1.sinks.k2.port = 4142 # 4.channel—1 a1.channels.c1.type = memory a1.channels.c1.capacity = 1000 a1.channels.c1.transactionCapacity = 100 # 4.channel—2 a1.channels.c2.type = memory a1.channels.c2.capacity = 1000 a1.channels.c2.transactionCapacity = 100 # Bind the source and sink to the channel a1.sources.r1.channels = c1 c2 a1.sinks.k1.channel = c1 a1.sinks.k2.channel = c2
2) 创建flume2.conf，用于接收flume1的event，同时产生1个channel和1个sink，将数据输送给hdfs：
# 将文件从sink中接收，并写入hdfs，并添加前缀等 # 1 agent a2.sources = r1 a2.sinks = k1 a2.channels = c1 # 2 source a2.sources.r1.type = avro a2.sources.r1.bind = bigdata166 a2.sources.r1.port = 4141 # 3 sink a2.sinks.k1.type = hdfs a2.sinks.k1.hdfs.path = hdfs://bigdata166:9000/flume2/%H #上传文件的前缀 a2.sinks.k1.hdfs.filePrefix = flume2- #是否按照时间滚动文件夹 a2.sinks.k1.hdfs.round = true #多少时间单位创建一个新的文件夹 a2.sinks.k1.hdfs.roundValue = 1 #重新定义时间单位 a2.sinks.k1.hdfs.roundUnit = hour #是否使用本地时间戳 a2.sinks.k1.hdfs.useLocalTimeStamp = true #积攒多少个Event才flush到HDFS一次 a2.sinks.k1.hdfs.batchSize = 100 #设置文件类型，可支持压缩 a2.sinks.k1.hdfs.fileType = DataStream #多久生成一个新的文件 a2.sinks.k1.hdfs.rollInterval = 600 #设置每个文件的滚动大小大概是128M a2.sinks.k1.hdfs.rollSize = 134217700 #文件的滚动与Event数量无关 a2.sinks.k1.hdfs.rollCount = 0 #最小副本数 a2.sinks.k1.hdfs.minBlockReplicas = 1 # 4 channel a2.channels.c1.type = memory a2.channels.c1.capacity = 1000 a2.channels.c1.transactionCapacity = 100 #5 Bind a2.sources.r1.channels = c1 a2.sinks.k1.channel = c1
3) 创建flume3.conf，用于接收flume1的event，同时产生1个channel和1个sink，将数据输送给本地目录：
#1 agent a3.sources = r1 a3.sinks = k1 a3.channels = c1 # 2 source a3.sources.r1.type = avro a3.sources.r1.bind = bigdata111 a3.sources.r1.port = 4142 #3 sink a3.sinks.k1.type = file_roll #备注：此处的文件夹需要先创建好 a3.sinks.k1.sink.directory = /opt/flume3 # 4 channel a3.channels.c1.type = memory a3.channels.c1.capacity = 1000 a3.channels.c1.transactionCapacity = 100 # 5 Bind a3.sources.r1.channels = c1 a3.sinks.k1.channel = c1
4) 执行测试：分别开启对应flume-job（依次启动flume1，flume-2，flume-3），同时产生文件变动并观察结果：
$ bin/flume-ng agent --conf conf/ --name a1 --conf-file jobconf/flume1.conf
$ bin/flume-ng agent --conf conf/ --name a2 --conf-file jobconf/flume2.conf
$ bin/flume-ng agent --conf conf/ --name a3 --conf-file jobconf/flume3.conf
/bash]
有坑：
输出的本地目录必须是已经存在的目录，如果该目录不存在，并不会创建新的目录。
输入文件好像是区分大小写的（还没测试验证）
输入文件前面一部分没有采集到。
文件更新后，要等几秒才能看到flume输出文件夹和和hadoop中的内容更新（时间略长得找原因）
