java - NiFi 自定义处理器 - 读取数据库视图

Question

我是 NiFi 的新手，我正在开发一个自定义处理器来从 psql 数据库视图中提取最新数据。当自定义处理器初始化时，我可以使用下面的代码检索数据库视图。

private void GetData(){
    Connection connection = DriverManager.getConnection("jdbc:postgresql://example:5432/example", "user", "pass");
    Statement statement = connection.createStatement(ResultSet.TYPE_SCROLL_INSENSITIVE, ResultSet.CONCUR_READ_ONLY);
    ResultSet rs = statement.executeQuery("SELECT * FROM Example_Table");
    while(rs.next()){
        //Get data from database
    }
    connection.close();
}

但是，我正在努力从数据库视图中获取最近的更新。主要问题是何时将新条目添加到数据库中。由于在初始化处理器时会查询数据库，因此自定义处理器不会有新条目。

我试图在 public void onTrigger() 函数中实现查询；但是，这将导致管道备份，因为它将查询每个流文件的数据库（如果每秒有数千个流文件进入，这并不理想）。

有没有在处理器启动时查询数据库的方法？无需在每个流文件上查询数据库？或者，是否可以检测数据库是否已被修改并在修改时提取数据？或者甚至设置一个计时器来拉取自定义处理器中的数据库？

非常感谢您的任何帮助，在此先感谢您。

标签： javaapache-nifipsql

Answer 1

我认为，如果您可以对更高级别的用例进行更多解释，它可能会帮助您获得解决方案，因为这似乎是一种不常见的方法。通常每个处理器都有一个单一的职责，因此一些处理器与数据库交互，然后输出必要的信息供其他处理器使用。

有一些LookupServices 可能是值得研究的好例子，例如MongoDBLookupService.

如果您的用例实际上是“我有一个自定义处理器，它摄取包含任意数据的流文件，并且需要使用此数据库表中的最新数据对它们执行一些操作”，您有几个选择：

1. 以上述方法执行数据库查询，并在此期间调用该方法一次onEnabled()以从表中获取大部分数据，然后使用线程定期调用它以保持更新并将结果本地存储在字段中。当onTrigger()方法运行时，使用本地缓存结果而不是进行数据库调用。这将减少延迟并为您提供近乎实时的数据。@OnStopped请务必通过带有注释的方法清理线程运行器和本地状态。
2. onTrigger()执行与流文件处理（即）内联的数据库查询。这可能导致高延迟和吞吐量阻塞。如果能够通过 using 对流文件进行批处理，则可以潜在地增加每个执行周期中处理的流文件List<FlowFile> flowfiles = session.get(1000);的数量（数量是可配置的）。
3. 如果没有 upserts/in-place 修改（即对数据库表的任何更改将导致新行），您可以使用哨兵查询（SELECT COUNT(*) FROM table;）返回行数，将其与先前返回的行数进行比较，如果这些数字不同，则仅执行检索所有数据的“昂贵”查询。在这种情况下，您可以通过记录先前获得的行的最大 ID 或时间戳来仅检索增量行。如果 upserts 是可能的，类似的东西SELECT MAX(lastModified) AS mostRecentTimeModified FROM table;可能会有所帮助。