flume监控spoolDir日志到HDFS整个流程小Demo

1.编写Java代码，随机生成用户ID号码，区县号码，乡镇号码(区县和乡镇号码用随机的三位字母表示)和个人总收入格式样例：779362a1-bf04-468a-91b6-a19d772f41fa####AFC####sfe####8091748。

2.用一个线程循环执行,用Thread.sleep(100)来控制线程执行一次停止100ms，防止cpu在死循环中过载，一秒生成10条数据，用log4j生成相应的日志到指定的目录下面，其中日志每分钟就生成一个格式为yyyy-MM-dd-HH-mm 例如：service.log.2016-10-13-11-32，最后在Linux下用shell脚本启动这个java程序。

3.编写shell脚本，定时每分钟从log4j生成的脚本copy当前时间前一分钟产生的日志文件到被flume监控的文件夹内，注意copy过去应该在文件名后面加上.COMPLETED，copy完成后又把这个文件名的.COMPLETED去掉。
例如：

#首先cp ./log4j/service.log.2016-10-13-11-37 ./monitor/service.log.2016-10-13-11-37.COMPLETED#然后mv ./monitor/service.log.2016-10-13-11-37.COMPLETED ./monitor/service.log.2016-10-13-11-37

主要是防止源日志文件太大copy的时候会花比较长的时间，到时候flume会抛异常，当然你还可以使用另外一种解决方案：直接move源日志文件到被flume监控的目录中，不过这种方案没有上面的方案优。

4.配置flume的conf文件

5.编辑crontab每分钟执行这个脚本来拉取源日志文件。

---

环境：
1.使用的虚拟机为:vmware12
2.centOS6.5
3.hadoop2.2.0 单节点（主要测试用，所以直接用的单节点）
4.Flume 1.6.0 （刚开始用的flume-ng-1.5.0-cdh5.4.5，结果配置中的一个方法在这个版本的flume包里找不到抛异常，就换了个版本搞定）

---

java代码如下:
其中需要配置log4j配置文件，以及添加log4j的依赖jar包

package com.lijie.test;import java.util.UUID;import org.apache.log4j.Logger;public class DataProduct {    public static void main(String[] args) {        Thread t1 = new Thread(new A());        t1.start();    }}class A extends Thread {    private final Logger log = Logger.getLogger(A.class);    public void run() {        //无限循环        while (true) {            //随机产生一个用户uuid            UUID userId = UUID.randomUUID();            //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 xian = 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 zhen = sb1.toString();            //生成日志            log.info(userId + "####" + xian + "####" + zhen + "####" + num);            //停0.1秒钟            try {                Thread.sleep(100);            } catch (InterruptedException e) {                e.printStackTrace();            }        }    }}

log4j的配置文件：

log4j.rootCategory=INFO, stdout , Rlog4j.appender.stdout=org.apache.log4j.ConsoleAppenderlog4j.appender.stdout.layout=org.apache.log4j.PatternLayoutlog4j.appender.stdout.layout.ConversionPattern=%d %p [%t] %C.%M(%L) | %m%nlog4j.appender.R=org.apache.log4j.DailyRollingFileAppenderlog4j.appender.R.File=/home/hadoop/log4j/service.loglog4j.appender.R.DatePattern = '.'yyyy-MM-dd-HH-mmlog4j.appender.R.layout=org.apache.log4j.PatternLayoutlog4j.appender.R.layout.ConversionPattern=%d %p [%t] %C.%M(%L) | %m%nlog4j.logger.com.xxx=DEBUGlog4j.logger.controllers=DEBUGlog4j.logger.vo=DEBUGlog4j.logger.notifiers=DEBUGlog4j.logger.com.opensymphony.oscache=WARNlog4j.logger.net.sf.navigator=WARNlog4j.logger.org.apache.commons=WARNlog4j.logger.org.apache.struts=WARNlog4j.logger.org.displaytag=WARNlog4j.logger.org.springframework=WARNlog4j.logger.org.apache.velocity=FATAL

启动java程序的shell脚本 start.sh

APP_HOME=/home/hadoop/myjarAPP_CLASSPATH=$APP_HOME/binjarList=$(ls $APP_CLASSPATH|grep jar)echo $jarListfor i in $jarListdo APP_CLASSPATH="$APP_CLASSPATH/$i":doneecho $APP_CLASSPATHexport CLASSPATH=$CLASSPATH:$APP_CLASSPATHecho $CLASSPATHjava -Xms50m -Xmx250m com.lijie.test.DataProductecho Linux Test End

定时拉取源日志的shell脚本 mvlog.sh

#! /bin/bashDIR=$(cd `dirname $0`; pwd)mydate=`date +%Y-%m-%d-%H-%M -d  '-1 minutes'`logName="service.log"monitorDir="/home/hadoop/monitor/"filePath="${DIR}"/log4j/""fileName="${logName}"".""${mydate}"echo "文件地址:${filePath}"echo "文件名字:${fileName}"if [ -f "${monitorDir}""${fileName}" ]then        echo "文件存在，删除文件"        rm -rf "${monitorDir}""${fileName}"fiecho "开始复制文件"cp "${filePath}${fileName}" "${monitorDir}${fileName}"".COMPLETED"echo "日志复制完成，更改名字"mv "${monitorDir}${fileName}"".COMPLETED" "${monitorDir}${fileName}"echo "日志改名完成"exit

flume的配置文件:

#agent名， source、channel、sink的名称a1.sources = r1a1.channels = c1a1.sinks = k1#具体定义sourcea1.sources.r1.type = spooldira1.sources.r1.spoolDir = /home/hadoop/monitor#具体定义channela1.channels.c1.type = memorya1.channels.c1.capacity = 10000a1.channels.c1.transactionCapacity = 100#具体定义sinka1.sinks.k1.type = hdfsa1.sinks.k1.hdfs.path = hdfs://192.168.80.123:9000/flume/%Y%m%da1.sinks.k1.hdfs.filePrefix = events-a1.sinks.k1.hdfs.fileType = DataStreama1.sinks.k1.hdfs.useLocalTimeStamp = true#不按照条数生成文件a1.sinks.k1.hdfs.rollCount = 0#HDFS上的文件达到128M时生成一个文件a1.sinks.k1.hdfs.rollSize = 134217728#HDFS上的文件达到60秒生成一个文件a1.sinks.k1.hdfs.rollInterval = 60#组装source、channel、sinka1.sources.r1.channels = c1a1.sinks.k1.channel = c1

启动flume的命令：

../bin/flume-ng agent -n a1 -c conf -f ./flume-conf.properties -Dflume.root.logger=DEBUG,console

crontab的配置

#首先crontab -e编辑下面的代码然后保存* * * * * sh /home/hadoop/mvlog.sh#然后启动crontab服务service crond start

---

准备工作进行好之后，执行java程序
sh ./start.sh

产生如下日志文件:

日志的内容：

定时任务会拉取这个目录下的日志到monitor目录下,flume就会收集，手机完成后会在文件名添加.COMPLETED后缀:

hdfs的flume下面就会生成当天时间格式化的目录，并且收集的数据会被put到该目录下：

java代码一直生成日志文件，crontab每隔一分钟都会拉取日志到flume监控的目录下面，flume就会把该文件收集到hdfs，这样一个简单的flume监控spoolDir日志到HDFS整个流程的小Demo就实现了。