目標：Flume實時監控目錄sink到hdfs，再用sparkStreaming監控hdfs的這個目錄，對數據進行計算

1、flume的配置，配置spoolDirSource_hdfsSink.properties，監控本地的一個目錄，上傳到hdfs一個目錄下。

agent1.channels = ch1
agent1.sources = spoolDir-source1
agent1.sinks = hdfs-sink1

# 定義channel
agent1.channels.ch1.type = memory
agent1.channels.ch1.capacity=10000
agent1.channels.ch1.transactionCapacity=1000

# 定義source
agent1.sources.spoolDir-source1.channels = ch1
agent1.sources.spoolDir-source1.type = spooldir
agent1.sources.spoolDir-source1.spoolDir = /home/hadoop/flumeDir
agent1.sources.spoolDir-source1.fileHeader = false

agent1.sources.spoolDir-source1.interceptors=i1 i2
agent1.sources.spoolDir-source1.interceptors.i1.type=timestamp
agent1.sources.spoolDir-source1.interceptors.i2.type=static
agent1.sources.spoolDir-source1.interceptors.i2.key=k
agent1.sources.spoolDir-source1.interceptors.i2.value=v


# 定義sink
agent1.sinks.hdfs-sink1.channel = ch1
agent1.sinks.hdfs-sink1.type = hdfs
agent1.sinks.hdfs-sink1.hdfs.path = hdfs://192.168.1.123:9000/user/hadoop/hdfsSink/%Y-%m-%d
agent1.sinks.hdfs-sink1.fileType = DataStream
agent1.sinks.hdfs-sink1.writeFormat=TEXT
agent1.sinks.hdfs-sink1.filePrefix = flumeHdfs
agent1.sinks.hdfs-sink1.batchSize = 1000
agent1.sinks.hdfs-sink1.rollSize = 10240
agent1.sinks.hdfs-sink1.rollCount = 0
agent1.sinks.hdfs-sink1.rollInterval = 1
agent1.sinks.hdfs-sink1.useLocalTimeStamp = true

2、測試本地目錄中的文件是否能被監控傳入到hdfs目錄

　　1>、啟動flume命令：bin/flume-ng agent --conf conf/ --conf-file conf/spoolDirSource_hdfsSink.properties --name agent1 -Dflume.root.logger=INFO,console &

　　啟動成功！

　　2>、往/home/hadoop/flumeDir中touch一個文件，d.txt。

flume會監控到這個目錄裏添加了新文件，就會把這個文件收集到hdfs相應目錄下，在hdfs的位置如下圖所示：

　　運行完成的文件，flume會把文件標記為完成，如下所示：

　　3>、這時候運行的sparkStreaming就會監控到hdfs上的變化，運行必要的邏輯，這裏我們是實現簡單的計數。

結果如下：

　　4>、sparkStreaming的代碼如下：

package hdfsStreaming

import org.apache.spark.SparkConf
import org.apache.spark.streaming.StreamingContext
import org.apache.spark.streaming.StreamingContext._
import org.apache.spark.streaming.Seconds
import org.apache.spark.SparkContext
/**
* 監控HDFS一個目錄下的文件，有一定的時間間隔，隔一段時間執行一次
* 要等待執行完成
* 離線的批量流式處理
*/
object HdfsStreaming {
def main(args: Array[String]) {

if(args.length !=1){
println("Usage: <inputPath>");
System.exit(1)
}
//構造配置對象，獲取系統默認的配置對象
val conf=new SparkConf
val sc=new SparkContext(conf)
//構造sparkStreaming上下文對象，參數一是配置，參數二是時間間隔30s
val scc=new StreamingContext(sc,Seconds(30))

//指定接收器，參數為hdfs目錄
val datas=scc.textFileStream(args(0))

//業務邏輯
val rs=datas.flatMap(_.split(" ")).map((_,1)).reduceByKey(_+_)

//打印結果集
rs.print

//啟動任務，需要使用上下文對象啟動
scc.start

//等待任務完成
scc.awaitTermination

}
}

Flume實時監控目錄sink到hdfs