在上一章中，我们已经了解了如何从Twitter源中获取数据到HDFS。本章介绍如何从Sequence Generator中获取数据。

先决条件

要运行本章提供的示例，您需要将HDFS和Flume一起安装。因此，在继续进行操作之前，请验证Hadoop安装并启动HDFS。 (请参阅上一章以了解如何启动HDFS)。

配置Flume

我们必须使用conf文件夹中的配置文件配置源，通道和接收器。本章给出的示例使用了一个序列发生器源，一个存储通道和一个HDFS接收器。

序列发生器源

它是连续生成事件的源。它维护着一个从0开始递增1的计数器。用于测试目的。配置此源时，必须为以下属性提供值-

• 频道

• 源类型-seq

渠道

我们正在使用内存通道。要配置内存通道，必须为通道类型提供一个值。以下是配置内存通道时需要提供的属性列表-

• type-它保存通道的类型。在我们的示例中，类型为MemChannel。

• 容量-这是通道中存储的最大事件数。其默认值为100。(可选)

• TransactionCapacity-它是通道接受或发送的最大事件数。其默认值为100。(可选)。

HDFS接收器

该接收器将数据写入HDFS。要配置此接收器，必须提供以下详细信息。

• 渠道

• 类型-HDFS

• hdfs.path -HDFS中要存储数据的目录的路径。

我们可以根据情况提供一些可选值。下面给出的是我们在应用程序中配置的HDFS接收器的可选属性。

• fileType-这是我们的HDFS文件的必需文件格式。 SequenceFile，DataStream和CompressedStream是此流可用的三种类型。在我们的示例中，我们正在使用DataStream 。

• writeFormat-可以是文本或可写的。

• batchSize-它是刷新到HDFS之前写入文件的事件数。默认值为100。

• rollsize-这是触发滚动的文件大小。默认值为100。

• rollCount-它是滚动之前写入文件的事件数。默认值为10。

示例–配置文件

下面给出的是配置文件的示例。复制此内容并将其另存为Flume的conf文件夹中的seq_gen .conf 。

# Naming the components on the current agent 

SeqGenAgent.sources = SeqSource   
SeqGenAgent.channels = MemChannel 
SeqGenAgent.sinks = HDFS 
 
# Describing/Configuring the source 
SeqGenAgent.sources.SeqSource.type = seq
  
# Describing/Configuring the sink
SeqGenAgent.sinks.HDFS.type = hdfs 
SeqGenAgent.sinks.HDFS.hdfs.path = hdfs://localhost:9000/user/Hadoop/seqgen_data/
SeqGenAgent.sinks.HDFS.hdfs.filePrefix = log 
SeqGenAgent.sinks.HDFS.hdfs.rollInterval = 0
SeqGenAgent.sinks.HDFS.hdfs.rollCount = 10000
SeqGenAgent.sinks.HDFS.hdfs.fileType = DataStream 
 
# Describing/Configuring the channel 
SeqGenAgent.channels.MemChannel.type = memory 
SeqGenAgent.channels.MemChannel.capacity = 1000 
SeqGenAgent.channels.MemChannel.transactionCapacity = 100 
 
# Binding the source and sink to the channel 
SeqGenAgent.sources.SeqSource.channels = MemChannel
SeqGenAgent.sinks.HDFS.channel = MemChannel 

执行

浏览Flume主目录并执行该应用程序，如下所示。

$ cd $FLUME_HOME 
$./bin/flume-ng agent --conf $FLUME_CONF --conf-file $FLUME_CONF/seq_gen.conf 
   --name SeqGenAgent 

如果一切顺利，则源将开始生成序列号，该序列号将以日志文件的形式推送到HDFS中。

下面给出的是命令提示符窗口的快照，该窗口将序列生成器生成的数据提取到HDFS中。

验证HDFS

您可以使用以下URL访问Hadoop管理Web UI-

http://localhost:50070/

单击页面右侧名为Utilities的下拉菜单。您可以看到两个选项，如下图所示。

单击浏览文件系统，然后输入存储了由序列生成器生成的数据的HDFS目录的路径。

在我们的示例中，路径为/ user / Hadoop / seqgen_data / 。然后，您可以看到由序列生成器生成的日志文件列表，存储在HDFS中，如下所示。

验证文件内容

所有这些日志文件均包含顺序格式的数字。您可以使用cat命令在文件系统中验证这些文件的内容，如下所示。