實時流接入數倉，基本在大公司都會有，在Flume1.8以后支持taildir source, 其有以下幾個特點，而被廣泛使用：

1. 使用正則表達式匹配目錄中的文件名
2. 監控的文件中，一旦有數據寫入，Flume就會將信息寫入到指定的Sink
3. 高可靠，不會丟失數據
4. 不會對跟蹤文件有任何處理，不會重命名也不會刪除
5. 不支持Windows，不能讀二進制文件。支持按行讀取文本文件

本文以開源Flume流為例，介紹流接入HDFS ,后面在其上面建立ods層外表。

1.1 taildir source配置

a1.sources.r1.type = TAILDIR 
a1.sources.r1.positionFile = /opt/hoult/servers/conf/startlog_position.json 
a1.sources.r1.filegroups = f1 
a1.sources.r1.filegroups.f1 =/opt/hoult/servers/logs/start/.*log 

1.2 hdfs sink 配置

a1.sinks.k1.type = hdfs 
a1.sinks.k1.hdfs.path = /user/data/logs/start/logs/start/%Y-%m-%d/ 
a1.sinks.k1.hdfs.filePrefix = startlog. 
# 配置文件滾動方式（文件大小32M） 
a1.sinks.k1.hdfs.rollSize = 33554432 
a1.sinks.k1.hdfs.rollCount = 0 
a1.sinks.k1.hdfs.rollInterval = 0 
a1.sinks.k1.hdfs.idleTimeout = 0 
a1.sinks.k1.hdfs.minBlockReplicas = 1 
# 向hdfs上刷新的event的個數 
a1.sinks.k1.hdfs.batchSize = 100 
# 使用本地時間 
a1.sinks.k1.hdfs.useLocalTimeStamp = true  

1.3 Agent的配置

a1.sources = r1 
a1.sinks = k1 
a1.channels = c1 
# taildir source 
a1.sources.r1.type = TAILDIR 
a1.sources.r1.positionFile = /opt/hoult/servers/conf/startlog_position.json 
a1.sources.r1.filegroups = f1 
a1.sources.r1.filegroups.f1 = /user/data/logs/start/.*log 
# memorychannel 
a1.channels.c1.type = memory 
a1.channels.c1.capacity = 100000 
a1.channels.c1.transactionCapacity = 2000 
# hdfs sink 
a1.sinks.k1.type = hdfs 
a1.sinks.k1.hdfs.path = /opt/hoult/servers/logs/start/%Y-%m-%d/ 
a1.sinks.k1.hdfs.filePrefix = startlog. 
# 配置文件滾動方式（文件大小32M） 
a1.sinks.k1.hdfs.rollSize = 33554432 
a1.sinks.k1.hdfs.rollCount = 0 
a1.sinks.k1.hdfs.rollInterval = 0 
a1.sinks.k1.hdfs.idleTimeout = 0 
a1.sinks.k1.hdfs.minBlockReplicas = 1 
# 向hdfs上刷新的event的個數 
a1.sinks.k1.hdfs.batchSize = 1000 
# 使用本地時間 
a1.sinks.k1.hdfs.useLocalTimeStamp = true 
# Bind the source and sink to the channel 
a1.sources.r1.channels = c1 
a1.sinks.k1.channel = c1  

/opt/hoult/servers/conf/flume-log2hdfs.conf

1.4 啟動

flume-ng agent --conf-file /opt/hoult/servers/conf/flume-log2hdfs.conf -name a1 -Dflume.roog.logger=INFO,console 
 
export JAVA_OPTS="-Xms4000m -Xmx4000m -Dcom.sun.management.jmxremote" 
# 要想使配置文件生效，還要在命令行中指定配置文件目錄 
flume-ng agent --conf /opt/hoult/servers/flume-1.9.0/conf --conf-file /opt/hoult/servers/conf/flume-log2hdfs.conf -name a1 -Dflume.roog.logger=INFO,console 

要$FLUME_HOME/conf/flume-env.sh加下面的參數，否則會報錯誤如下：

1.5 使用自定義攔截器解決Flume Agent替換本地時間為日志里面的時間戳

使用netcat source → logger sink來測試

# a1是agent的名稱。source、channel、sink的名稱分別為：r1 c1 k1 
a1.sources = r1 
a1.channels = c1 
a1.sinks = k1 
# source 
a1.sources.r1.type = netcat 
a1.sources.r1.bind = linux121 
a1.sources.r1.port = 9999 
a1.sources.r1.interceptors = i1 
a1.sources.r1.interceptors.i1.type = com.hoult.flume.CustomerInterceptor$Builder 
# channel 
a1.channels.c1.type = memory 
a1.channels.c1.capacity = 10000 
a1.channels.c1.transactionCapacity = 100 
# sink 
a1.sinks.k1.type = logger 
# source、channel、sink之間的關系 
a1.sources.r1.channels = c1 
a1.sinks.k1.channel = c1  

攔截器主要代碼如下：

public class CustomerInterceptor implements Interceptor { 
    private static DateTimeFormatter formatter = DateTimeFormatter.ofPattern("yyyyMMdd"); 
 
    @Override 
    public void initialize() { 
 
    } 
 
    @Override 
    public Event intercept(Event event) { 
        // 獲得body的內容 
        String eventBody = new String(event.getBody(), Charsets.UTF_8); 
        // 獲取header的內容 
        Map<String, String> headerMap = event.getHeaders(); 
        final String[] bodyArr = eventBody.split("\\s+"); 
        try { 
            String jsonStr = bodyArr[6]; 
            if (Strings.isNullOrEmpty(jsonStr)) { 
                return null; 
            } 
            // 將 string 轉成 json 對象 
            JSONObject jsonObject = JSON.parseObject(jsonStr); 
            String timestampStr = jsonObject.getString("time"); 
            //將timestamp 轉為時間日期類型（格式 ：yyyyMMdd) 
            long timeStamp = Long.valueOf(timestampStr); 
            String date = formatter.format(LocalDateTime.ofInstant(Instant.ofEpochMilli(timeStamp), ZoneId.systemDefault())); 
            headerMap.put("logtime", date); 
            event.setHeaders(headerMap); 
        } catch (Exception e) { 
            headerMap.put("logtime", "unknown"); 
            event.setHeaders(headerMap); 
        } 
        return event; 
 
    } 
 
    @Override 
    public List<Event> intercept(List<Event> events) { 
        List<Event> out = new ArrayList<>(); 
        for (Event event : events) { 
            Event outEvent = intercept(event); 
            if (outEvent != null) { 
                out.add(outEvent); 
            } 
        } 
        return out; 
    } 
 
    @Override 
    public void close() { 
 
    } 
 
    public static class Builder implements Interceptor.Builder { 
        @Override 
        public Interceptor build() { 
            return new CustomerInterceptor(); 
        } 
 
        @Override 
        public void configure(Context context) { 
        } 
    } 

啟動

flume-ng agent --conf /opt/hoult/servers/flume-1.9.0/conf --conf-file /opt/hoult/servers/conf/flume-test.conf -name a1 -Dflume.roog.logger=INFO,console 
## 測試 
telnet linux121 9999  

吳邪，小三爺，混跡于后臺，大數據，人工智能領域的小菜鳥。