java - NiFi定制处理器-读取数据库 View

Question

我是 NiFi 新手，正在开发一个自定义处理器，以从 psql 数据库 View 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 View 。

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 View 中获取最新更新。主要问题是何时将新条目添加到数据库中。由于处理器初始化时会查询数据库，因此自定义处理器不会有新条目。

我尝试在 public void onTrigger() 函数中实现查询；然而，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)。

是否有一种方法可以在处理器启动时查询数据库？无需查询每个流程文件的数据库？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在自定义处理器中提取数据库？

非常感谢您的帮助，提前谢谢您。

Answer 1

我认为，如果您能更多地解释一下您的更高级别的用例，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LookupService这可能是值得检查的好例子，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. 按照上面的方法执行数据库查询，并在 onEnabled() 期间调用该方法一次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存储在本地字段中。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。请务必通过 @OnStopped 的方法清理线程运行程序和本地状态。注解。
2. 执行与流程文件处理内联的数据库查询(即 onTrigger() )。这可能会导致高延迟和吞吐量阻塞。如果能够使用List<FlowFile> flowfiles = session.get(1000);进行批处理，您可以增加每个执行周期中处理的流文件的数量。 (数量可配置)。
3. 如果没有更新插入/就地修改(即对数据库表的任何更改都会导致新行)，您可以使用哨兵查询 ( SELECT COUNT(*) FROM table; ) 返回数字行，将其与先前返回的行数进行比较，并且仅在这些数字不同时才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取的行的最大 ID 或时间戳来检索增量行。如果可以更新插入，类似于 SELECT MAX(lastModified) AS mostRecentTimeModified FROM table;可能会有帮助。