Question

我是NiFi的新手，我正在开发一个自定义处理器，以从psql数据库视图中提取最新数据。初始化自定义处理器后，我可以使用以下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，我很难从数据库视图中获取最新更新。主要问题是何时将新条目添加到数据库中。由于初始化处理器时会查询数据库，因此自定义处理器将没有新条目。

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上的数据库（如果每秒有成千上万个流文件进入，则不理想）。

在处理器启动时是否有查询数据库的方法？无需在每个flowfile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？甚至设置计时器以将数据库拉入定制处理器中？

非常感谢您的协助，谢谢。

Answer 1

我认为，如果您可以对高级用例进行更多解释，那么它可能会帮助您找到解决方案，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职责，因此某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。

有些LookupService可能是很好的例子，例如MongoDBLookupService。

如果您的用例实际上是“我有一个定制处理器，该处理器提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其执行某些操作”，那么您可以选择以下几种方法：

使用上述方法执行数据库查询，并在onEnabled()期间调用该方法一次，以从表中获取最多数据，然后使用保持更新并将结果本地存储在字段中的线程。当onTrigger()方法运行时，请使用本地缓存结果，而不是进行数据库调用。这将减少延迟，并为您提供接近实时的数据。确保通过带有@OnStopped批注的方法清理线程运行器和本地状态。
与流文件处理一起内联执行数据库查询（即onTrigger()）。这可能导致高延迟并阻止吞吐量。如果能够使用List<FlowFile> flowfiles = session.get(1000);进行批量处理，则可以潜在地增加每个执行周期中处理的流文件的数量（该数量是可配置的）。
如果没有upserts / in-place修改（即，对数据库表的任何更改都将导致 new 行），则可以使用前哨查询（SELECT COUNT(*) FROM table;）返回行数，将其与先前返回的行数进行比较，如果这些数不同，则仅执行“昂贵”查询以检索所有数据。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。如果可以进行更新，则类似SELECT MAX(lastModified) AS mostRecentTimeModified FROM table;的方法可能会有所帮助。

NiFi自定义处理器-读取数据库视图

1 个答案: