CN107330028A - 一种Apache NiFi在源数据录入数据库方面的扩展应用方法和系统 - Google Patents

Abstract

本发明公开了一种Apache NiFi在源数据录入数据库方面的扩展应用方法，该方法包括以下步骤：将所述源数据保存成数据文件；使用所述Apache NiFi从所述数据文件中读取数据；将读入所述Apache NiFi的所述数据进行解压；使用所述Apache NiFi格式化所述数据；扩展所述Apache NiFi的入库组件；以及通过扩展的所述入库组件将格式化数据导入所述数据库。本发明的方法在多种数据源接入时无需开发不同的接入工具，统一了数据接入流程，而且可以自行扩展接入插件。

Description

一种Apache NiFi在源数据录入数据库方面的扩展应用方法 和系统

技术领域

本发明涉及ETL(数据仓库技术)领域，更具体地，特别是指一种 Apache NiFi在源数据录入数据库方面的扩展应用方法和系统。

背景技术

随着大数据技术的发展，分布式的数据存储系统越来越多，大数据应用一般需要集成多个不同的数据存储系统来构建不同应用的数据仓库，ETL用来描述将数据从源数据仓库经过抽取(extract)、转换(transform)以及装载(load)至目标数据仓库的过程。通常，ETL工具用来负责系统运行程序的调度控制和资源的分配。

然而，在大数据的项目开发中，数据在不同库中的流转是都会遇到的问题，自己开发ETL工具费时费力，而一些ETL工具存在闭源、付费、安全等问题。

发明内容

有鉴于此，本发明实施例的目的在于提出一种Apache NiFi在源数据录入数据库方面的扩展应用方法和系统，能够解决多种数据源接入需要开发不同的接入工具的问题，统一了数据接入流程，而且可以自行扩展接入插件。

基于上述目的，本发明实施例的一方面提供了一种Apache NiFi在源数据录入数据库方面的扩展应用方法，包括以下步骤：

将所述源数据保存成数据文件；

使用所述Apache NiFi从所述数据文件中读取数据；

将读入所述Apache NiFi的所述数据进行解压；

使用所述Apache NiFi格式化所述数据；

扩展所述Apache NiFi的入库组件；以及

通过扩展的所述入库组件将格式化数据导入所述数据库。

在一些实施方式中，所述格式化步骤包括：

对解压后的数据进行JSON格式的解析；以及

通过添加过滤条件过滤掉无用的JSON数据。

在一些实施方式中，所述扩展入库组件的步骤包括：

通过IDE工具新建所述入库组件的Maven项目；

定义所述入库组件的主类名称并让主类继承AbstractProcessor；

在所述主类中为所述入库组件定义可供用户使用的属性和关系；

在所述主类中重写init函数，所述init函数将在所述Apache NiFi启动时被调用；

在所述主类中重写onTrigger函数，所述onTrigger函数将在流文件传入组件时被调用；

在所述主类中重写InputStreamCallback函数，所述 InputStreamCallback函数负责解析所述流文件中的数据；

在所述主类中重写OutputStreamCallback函数，所述OutputStreamCallback函数负责将解析出来的数据处理后写回所述流文件中；

通过所述IDE工具将组件打包成NAR包；以及

将所述组件的NAR包拷贝到$NIFI_HOME/lib目录下。

在一些实施方式中，所述数据库为ES，根据所述ES提供的API开发相应的入ES库组件，并且通过所述ES搜索和分析导入的所述格式化数据。

在一些实施方式中，所述源数据为中间件数据。

在一些实施方式中，所述数据库为Hbase、Hive以及MySql的其中之一。

本发明实施例的另一方面，还提供了一种Apache NiFi在源数据录入数据库方面的扩展应用系统，所述系统执行上述方法。

本发明实施例的另一方面，还提供了一种计算机设备，包括存储器、至少一个处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时执行上述方法。

本发明实施例的另一方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时执行上述方法。

本发明实施例的另一方面，还提供了一种计算机程序产品，所述计算机程序产品包括存储在计算机可读存储介质上的计算程序，所述计算程序包括指令，当所述指令被计算机执行时，使所述计算机执行上述方法。

本发明具有以下有益技术效果：本发明实施例提供的Apache NiFi在源数据录入数据库方面的扩展应用方法和系统，通过使用将Apache NiFi 应用于ETL流程并且扩展NiFi的入库组件来将数据录入对应的目标库的技术方案，能够在多种数据源接入时无需开发不同的接入工具，统一了数据接入流程，而且可以自行扩展接入插件。

进一步地，Apache NiFi支持强大且可扩展的有向图，其中包括数据路由、转换和系统协调逻辑等。相比较传统的数据仓库技术，采用Apache NiFi的本发明还具有如下诸多优点：

基于网页的用户界面：使得用户可以无缝体验设计、控制、反馈和监控。

高可配置性：可以动态调整优先级，能在运行时调整数据流。

数据来源：追踪数据流的起始。

扩展设计：能够构建用户自己的处理器，也能够启用快速开发和有效测试。

安全：能使用SSL、SSH、HTTPS协议加密数据内容，也能够管理多租户授权和内部授权/策略。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为根据本发明一个实施例的方法的流程示意图；

图2为根据本发明另一个实施例的方法的格式化数据的流程示意图；

图3为根据本发明另一个实施例的方法的扩展入库组件的流程示意图；

图4显示了本发明的示例应用模型；

图5为本发明提供的执行所述方法的计算机设备的一个实施例的硬件结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明实施例进一步详细说明。

需要说明的是，本发明实施例中所有使用“第一”和“第二”的表述均是为了区分两个相同名称非相同的实体或者非相同的参量，可见“第一”和“第二”仅为了表述的方便，不应理解为对本发明实施例的限定，后续实施例对此不再一一说明。

基于上述目的，本发明实施例的第一个方面，提出了Apache NiFi在源数据录入数据库方面的扩展应用方法的一个实施例，能够在多种数据源接入时无需开发不同的接入工具。图1示出的是根据本发明一个实施例的方法的流程示意图。

所述的Apache NiFi在源数据录入数据库方面的扩展应用方法可包括以下步骤：

步骤S101，将源数据保存成数据文件，其中，可选地，所述源数据可为中间件数据，并且可来自不同的数据源；

步骤S102，使用Apache NiFi从所述数据文件中读取数据；

步骤S103，将读入Apache NiFi的所述数据进行解压；

步骤S104，使用Apache NiFi格式化所述数据，其中，可选地，该步骤可进一步包括图2所示的子步骤；

步骤S105，扩展Apache NiFi的入库组件，其中，可选地，该步骤可进一步包括图3所示的子步骤；以及

步骤S106，通过在步骤S105扩展的入库组件将格式化数据导入所述数据库。

从上述实施例可以看出，本发明实施例提供的Apache NiFi在源数据录入数据库方面的扩展应用方法，通过使用将Apache NiFi应用于ETL 流程并且扩展NiFi的入库组件来将数据录入对应的目标库的技术方案，能够在多种数据源接入时无需开发不同的接入工具，统一了数据接入流程，而且可以自行扩展接入插件。

如图2所示，在本发明的一个优选实施例中，格式化数据包括对解压后的数据进行JSON格式的解析(步骤S201)以及通过添加过滤条件过滤掉无用的JSON数据(步骤S202)。

如图3所示，在本发明的一个优选实施例中，扩展入库组件包括：通过IDE工具新建入库组件的Maven项目(步骤S301)；定义入库组件的主类名称并让主类继承AbstractProcessor(步骤S302)；在主类中为入库组件定义可供用户使用的属性和关系(步骤S303)；在主类中重写init 函数，该init函数将在Apache NiFi启动时被调用(步骤S304)；在主类中重写onTrigger函数，该onTrigger函数将在流文件传入组件时被调用 (步骤S305)；在主类中重写InputStreamCallback函数，该 InputStreamCallback函数负责解析流文件中的数据(步骤S306)；在主类中重写OutputStreamCallback函数，该OutputStreamCallback函数负责将解析出来的数据处理后写回流文件中(步骤S307)；通过IDE工具将组件打包成NAR包(步骤S308)；以及将组件的NAR包拷贝到 $NIFI_HOME/lib目录下(步骤S309)。在完成上述工作后，用户重启 Apache NiFi就能够在Apache NiFi的配置界面使用该入库组件。

基于上述目的，本发明实施例的第二个方面，提出了Apache NiFi在源数据录入数据库方面的扩展应用系统的一个实施例，能够在多种数据源接入时无需开发不同的接入工具。该系统执行上述的Apache NiFi在源数据录入数据库方面的扩展应用方法。

本发明实施例提供的Apache NiFi在源数据录入数据库方面的扩展应用系统，通过使用将Apache NiFi应用于ETL流程并且扩展NiFi的入库组件来将数据录入对应的目标库的技术方案，能够在多种数据源接入时无需开发不同的接入工具，统一了数据接入流程，而且可以自行扩展接入插件。

需要特别指出的是，上述系统的实施例采用了上述方法的实施例来具体说明各模块的工作过程，本领域技术人员能够很容易想到，将这些模块应用到所述方法的其他实施例中。

图4显示了本发明的示例应用模型。如图4所示，Apache NiFi获取采集上报文件，通过对应目标库数据接入流程进行数据录入。流程中按照数据处理的正常逻辑选择相应的组件进行数据处理，对于数据采集，通常包括采集文件获取，解压文件，对解压后的JSON文件进行解析，添加过条件过滤掉不符合要求的数据，最后选择对应的各个目标库的组件进行入库。Apache NiFi在配置完成流程后，可以通过保存成模板，然后在各个节点上传运行来实现复用。如果现有的处理器无法满足入库需求，那么可以使用Apache NiFi提供的开发接口，开发适用于新的入库场景的处理器。通过开发新的处理器，能不断扩充Apache NiFi的适用场景，从而进一步统一ETL流程。

接下来，以利用Apache NiFi将中间件数据录入ES为例，再次对本发明做出详细说明。首先将中间件数据保存成数据文件，然后使用Apache NiFi从数据文件中读取数据，将读入Apache NiFi的数据进行解压，再对解压后的数据进行JSON格式的解析，添加过滤条件过滤掉无用的JSON 数据，再然后扩展Apache NiFi的入库组件，该步骤是根据ES提供的API开发相应的Apache NiFi入ES库组件，最后通过扩展的ES组件将数据导入ES。其中，可选地，在将数据导入ES之后，可通过ES搜索和分析入库数据。这里，本发明的实施例并不局限于ES，还可包括其他类型的数据库，例如Hbase、Hive、MySql等等。

基于上述目的，本发明实施例的第三个方面，提出了一种执行所述 Apache NiFi在源数据录入数据库方面的扩展应用方法的计算机设备的一个实施例。

所述计算机设备包括存储器、至少一个处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时执行上述任意一种方法。

如图5所示，为本发明提供的执行所述方法的计算机设备的一个实施例的硬件结构示意图。

以如图5所示的计算机设备为例，在该计算机设备中包括一个处理器501以及一个存储器502，并还可以包括：输入装置503和输出装置 504。

处理器501、存储器502、输入装置503和输出装置504可以通过总线或者其他方式连接，图5中以通过总线连接为例。

存储器502作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本申请实施例中的所述方法对应的程序指令/模块。处理器501通过运行存储在存储器502中的非易失性软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例的Apache NiFi在源数据录入数据库方面的扩展应用方法。

存储器502可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据Apache NiFi在源数据录入数据库方面的扩展应用系统的使用所创建的数据等。此外，存储器502可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器502可选包括相对于处理器501远程设置的存储器，这些远程存储器可以通过网络连接至本地模块。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

输入装置503可接收输入的数字或字符信息，以及产生与所述系统的用户设置以及功能控制有关的键信号输入。输出装置504可包括显示屏等显示设备。

所述方法对应的程序指令/模块存储在所述存储器502中，当被所述处理器501执行时，执行上述任意方法实施例中的方法。

所述计算机设备的任何一个实施例，可以达到与之对应的前述任意方法实施例相同或者相类似的效果。

基于上述目的，本发明实施例的第四个方面，提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例中的方法与实现上述任意系统实施例中的系统。所述计算机可读存储介质的实施例，可以达到与之对应的前述任意方法与系统实施例相同或者相类似的效果。

基于上述目的，本发明实施例的第五个方面，提出了一种计算机程序产品，该计算机程序产品包括存储在计算机可读存储介质上的计算程序，该计算程序包括指令，当该指令被计算机执行时，使该计算机执行上述任意方法实施例中的方法与实现上述任意系统实施例中的系统。所述计算机程序产品的实施例，可以达到与之对应的前述任意方法与系统实施例相同或者相类似的效果。

最后需要说明的是，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random Access Memory，RAM)等。所述计算机程序的实施例，可以达到与之对应的前述任意方法实施例相同或者相类似的效果。

此外，典型地，本发明实施例公开所述的系统、设备等可为各种电子终端设备，例如手机、个人数字助理(PDA)、平板电脑(PAD)、智能电视等，也可以是大型终端设备，如服务器等，因此本发明实施例公开的保护范围不应限定为某种特定类型的系统、设备。

此外，根据本发明实施例公开的方法还可以被实现为由CPU执行的计算机程序，该计算机程序可以存储在计算机可读存储介质中。在该计算机程序被CPU执行时，执行本发明实施例公开的方法中限定的上述功能。

此外，上述方法步骤以及系统单元也可以利用控制器以及用于存储使得控制器实现上述步骤或单元功能的计算机程序的计算机可读存储介质实现。

此外，应该明白的是，本文所述的计算机可读存储介质(例如，存储器)可以是易失性存储器或非易失性存储器，或者可以包括易失性存储器和非易失性存储器两者。作为例子而非限制性的，非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM (EPROM)、电可擦写可编程ROM(EEPROM)或快闪存储器。易失性存储器可以包括随机存取存储器(RAM)，该RAM可以充当外部高速缓存存储器。作为例子而非限制性的，RAM可以以多种形式获得，比如同步RAM(DRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据速率SDRAM(DDR SDRAM)、增强SDRAM(ESDRAM)、同步链路DRAM(SLDRAM)以及直接Rambus RAM(DRRAM)。所公开的方面的存储设备意在包括但不限于这些和其它合适类型的存储器。

本领域技术人员还将明白的是，结合这里的公开所描述的各种示例性逻辑块、模块、电路和算法步骤可以被实现为电子硬件、计算机软件或两者的组合。为了清楚地说明硬件和软件的这种可互换性，已经就各种示意性组件、方块、模块、电路和步骤的功能对其进行了一般性的描述。这种功能是被实现为软件还是被实现为硬件取决于具体应用以及施加给整个系统的设计约束。本领域技术人员可以针对每种具体应用以各种方式来实现所述的功能，但是这种实现决定不应被解释为导致脱离本发明实施例公开的范围。

结合这里的公开所描述的各种示例性逻辑块、模块和电路可以利用被设计成用于执行这里所述功能的下列部件来实现或执行：通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列 (FPGA)或其它可编程逻辑器件、分立门或晶体管逻辑、分立的硬件组件或者这些部件的任何组合。通用处理器可以是微处理器，但是可替换地，处理器可以是任何传统处理器、控制器、微控制器或状态机。处理器也可以被实现为计算设备的组合，例如，DSP和微处理器的组合、多个微处理器、一个或多个微处理器结合DSP和/或任何其它这种配置。

结合这里的公开所描述的方法或算法的步骤可以直接包含在硬件中、由处理器执行的软件模块中或这两者的组合中。软件模块可以驻留在RAM存储器、快闪存储器、ROM存储器、EPROM存储器、EEPROM 存储器、寄存器、硬盘、可移动盘、CD-ROM、或本领域已知的任何其它形式的存储介质中。示例性的存储介质被耦合到处理器，使得处理器能够从该存储介质中读取信息或向该存储介质写入信息。在一个替换方案中，所述存储介质可以与处理器集成在一起。处理器和存储介质可以驻留在ASIC中。ASIC可以驻留在用户终端中。在一个替换方案中，处理器和存储介质可以作为分立组件驻留在用户终端中。

在一个或多个示例性设计中，所述功能可以在硬件、软件、固件或其任意组合中实现。如果在软件中实现，则可以将所述功能作为一个或多个指令或代码存储在计算机可读介质上或通过计算机可读介质来传送。计算机可读介质包括计算机存储介质和通信介质，该通信介质包括有助于将计算机程序从一个位置传送到另一个位置的任何介质。存储介质可以是能够被通用或专用计算机访问的任何可用介质。作为例子而非限制性的，该计算机可读介质可以包括RAM、ROM、EEPROM、CD-ROM 或其它光盘存储设备、磁盘存储设备或其它磁性存储设备，或者是可以用于携带或存储形式为指令或数据结构的所需程序代码并且能够被通用或专用计算机或者通用或专用处理器访问的任何其它介质。此外，任何连接都可以适当地称为计算机可读介质。例如，如果使用同轴线缆、光纤线缆、双绞线、数字用户线路(DSL)或诸如红外线、无线电和微波的无线技术来从网站、服务器或其它远程源发送软件，则上述同轴线缆、光纤线缆、双绞线、DSL或诸如红外线、无线电和微波的无线技术均包括在介质的定义。如这里所使用的，磁盘和光盘包括压缩盘(CD)、激光盘、光盘、数字多功能盘(DVD)、软盘、蓝光盘，其中磁盘通常磁性地再现数据，而光盘利用激光光学地再现数据。上述内容的组合也应当包括在计算机可读介质的范围内。

以上是本发明公开的示例性实施例，但是应当注意，在不背离权利要求限定的本发明实施例公开的范围的前提下，可以进行多种改变和修改。根据这里描述的公开实施例的方法权利要求的功能、步骤和/或动作不需以任何特定顺序执行。此外，尽管本发明实施例公开的元素可以以个体形式描述或要求，但除非明确限制为单数，也可以理解为多个。

应当理解的是，在本文中使用的，除非上下文清楚地支持例外情况，单数形式“一个”(“a”、“an”、“the”)旨在也包括复数形式。还应当理解的是，在本文中使用的“和/或”是指包括一个或者一个以上相关联地列出的项目的任意和所有可能组合。

上述本发明实施例公开实施例序号仅仅为了描述，不代表实施例的优劣。

本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本发明实施例公开的范围(包括权利要求)被限于这些例子；在本发明实施例的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，并存在如上所述的本发明实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。因此，凡在本发明实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本发明实施例的保护范围之内。

Claims (10)

1.一种Apache NiFi在源数据录入数据库方面的扩展应用方法，其特征在于，所述方法包括以下步骤：

将所述源数据保存成数据文件；

使用所述Apache NiFi从所述数据文件中读取数据；

将读入所述Apache NiFi的所述数据进行解压；

使用所述Apache NiFi格式化所述数据；

扩展所述Apache NiFi的入库组件；以及

通过扩展的所述入库组件将格式化数据导入所述数据库。

2.根据权利要求1所述的方法，其特征在于，所述格式化步骤包括：

对解压后的数据进行JSON格式的解析；以及

通过添加过滤条件过滤掉无用的JSON数据。

3.根据权利要求1所述的方法，其特征在于，所述扩展入库组件的步骤包括：

通过IDE工具新建所述入库组件的Maven项目；

定义所述入库组件的主类名称并让主类继承AbstractProcessor；

在所述主类中为所述入库组件定义可供用户使用的属性和关系；

在所述主类中重写init函数，所述init函数将在所述Apache NiFi启动时被调用；

在所述主类中重写onTrigger函数，所述onTrigger函数将在流文件传入组件时被调用；

在所述主类中重写InputStreamCallback函数，所述InputStreamCallback函数负责解析所述流文件中的数据；

在所述主类中重写OutputStreamCallback函数，所述OutputStreamCallback函数负责将解析出来的数据处理后写回所述流文件中；

通过所述IDE工具将组件打包成NAR包；以及

将所述组件的NAR包拷贝到$NIFI_HOME/lib目录下。

4.根据权利要求1所述的方法，其特征在于，所述数据库为ES，根据所述ES提供的API开发相应的入ES库组件，并且通过所述ES搜索和分析导入的所述格式化数据。

5.根据权利要求4所述的方法，其特征在于，所述源数据为中间件数据。

6.根据权利要求1所述的方法，其特征在于，所述数据库为Hbase、Hive以及MySql的其中之一。

7.一种Apache NiFi在源数据录入数据库方面的扩展应用系统，其特征在于，执行如权利要求1-6中任意一项所述的方法。

8.一种计算机设备，包括存储器、至少一个处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时执行如权利要求1-6中任意一项所述的方法。

9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时执行如权利要求1-6中任意一项所述的方法。

10.一种计算机程序产品，其特征在于，所述计算机程序产品包括存储在计算机可读存储介质上的计算程序，所述计算程序包括指令，当所述指令被计算机执行时，使所述计算机执行如权利要求1-6中任意一项所述的方法。