nifi从入门到实战（保姆级教程）——flow

本文章首发于博客园，转载请标明出处

经过前两篇文章（环境篇，身份验证），我们已经有了nifi可以运行的基础，今天就来实现一个案例吧。

假设我们要从ftp上获取一个zip包，里面有两个csv文件，一个是manufacture.csv,一个是brand.csv.然后要把这两个文件导入到sqlserver数据库中。其中brand是manufacture的下一级，但是brand里没有manufacture的主键，必须要通过一些关键字段的匹配来找出它们。

在实现这个场景之前，我们需要认识一下nifi中的几个重要组件。

Processor : 主要用来处理flowfile,也就是我们的数据。nifi提供了上百个不同功能的processor，一般的需求都能满足。当然它也支持自定义processor,需要用java自行开发。

Processor Group :简单地理解就是把processor的流程组合成一个整体。只有Processor Group有version，所以它对于后续流程的迁移很重要。

Input Port，Output Port : 这两个主要是用于联接group.

有这些了解后就开始吧！

先看看流程的整体吧

1. 首先拖拽一个group在画布中，并为这个group命名为Import,如下图
   
   
   
   双击group进入。再建一个group,命名为getfiles.这个group主要负责从ftp上获取文件，并解压。
   
   
   
   GetFTP:主要填以下几个属性。
   
   
   
   
   
   Delete Origianl默认为true,会删除ftp上的文件，所以最好设置为false.类似的Processor还有getfile,使用时一定要注意。
   
   因为我们获取的是一个zip包，所以需要解压。这个比较简单，默认就行了。如果压缩文件有密码，设置一下password属性就好了。
   
   
   
   接下来就有点复杂了。因为我们的manufacture和brand是要进不同的表，所以就要路由了。这里就要用到route的processor,我用的是RouteText,也可以用RouteOnAttribute,只是一些设置不同。后面我也会用到。
   
   
   
   添加了两个路由属性:fabricantes,modelos.这个名字你可以随便取。如果filename包含manufacture就走fabricantes分支，包含brand就走modelos分支。
   
   后面我做了一个延时，大家可以根据实际情况自由选择。这里我也介绍一下。
   
   
   
   先用UpdateAttribute添加一个属性delay,值为当前时间加20s.
   
   
   
   再用RouteOnAttribute来在规定时间内死循环，直到当前时间大于规定时间。
   
   最后用两个output port结束当前group.
2. 将brand的数据存储到SQL SERVER的一张临时表里。
   
   
   
   建立一个group，名为tmp_barnd.这个group一开始必须是input port,用于接收上一个group传出的数据。
   
   SplitRecord:
   
   
   
   这里用到两个controller service: CSVReader,JsonRecordSetWriter.
   
   
   
   根据实际情况修改一下相应属性。我觉得比较重要的是Value Separator(默认是"，"但是很自定义的csv可能是";"")，Character Set(默认是UTF-8,比如我的文档里有特殊符号，用的是ISO-8859-1)。
   
   
   
   因为是进数据库，所以为了防止SQL注入，需要先做一些准备工作。
   
   经过上一步，数据已经被拆分成一条条的json，现在就用EvaluateJsonPath提取相应的字段
   
   
   
   再用UpateAttribute组装成Sql语句需要的参数。关于sql.args.[*].type的值，请参考java.sql.Types
   
   
   
   最后就是执行SQL语句了。这里有很多选择，可以用PutSQL,ExcuteSQL等。
   
   
   
   SQL Statement是这样的：

点击查看代码

if not EXISTS (SELECT 1 FROM tmp_modelos
WHERE MODELO=? AND FABRICANTE=? AND DESCRIPCION=? AND TIPO_VEHICULO=?)
INSERT INTO tmp_modelos (MODELO, FABRICANTE, DESCRIPCION, DESCRIPCION_ADDICIONAL, TIPO_VEHICULO) VALUES (?, ?, ?, ?, ?);

？代表参数，有多少？，sql.args属性就相对有几个，否则执行时会报参数不匹配。

DBCPConnectionPool的设置如下：



整个流程上要用的processor和controller service差不多就是上面这些，剩下的就是大家按需求组合了。

我剩下两个group里的流程是这样的。

还有一个很重要的，就是nifi所用的表达式，大家可以参考一下官方文档

好了，至此，我们的流程就已经画完了。接下来就是运行调试了。下篇再见！