继上一篇“空间节省50%，时序性能提升5倍，三一重工从Hadoop+Spark到MatrixDB架构变迁实现One for ALL”（点击标题阅读原文）发布后，这次我们再从 Apache NiFi + MatrixDB 着手，用 20 行代码轻松实现数据实时入库！

作者信息：李净芝 - 工程车辆事业部研究院大数据工程师

01 前言

目前，三一重工泵诵云平台的数据接入采用 Nifi + MatrixGate 的方案已正常运行 4 个月，NiFi 集群由 3 台配置为内存 32g，硬盘 1T 的服务器组成，平均 5min 消费 Kafka 数据 6.4GB，每秒处理数据 14784 条。

NiFi 本身提供大量组件，用以应付各式各样 ETL 场景，实现了 hdfs、本地文件系统、主流数据库 (mysql/oracle/postgres) 之间数据的流转。

什么是 Apache NiFi ？

Apache NiFi，专门用于解决与数据流有关问题的工具，易于使用、功能强大、可靠的数据 ETL 系统。基于 WEB 图形页面，通过组件的拖拽、连接及配置，即可搭建完整的数据流，实时监控数据在各个处理组件之间流转的情况。

什么是 MatrixGate ？

MatrixGate 简称 mxgate，是 MatrixDB 自带的高性能流式数据加载服务器，使用 mxgate 进行数据加载性能要远远高于原生 INSERT 语句，MatrixGate 加载数据的逻辑如下图所示：

1. 数据采集系统采集设备数据或者接收由设备发送来的数据

2. 采集系统以并发微批的模式向 MatrixGate 的服务进程 mxgate 持续发送数据

3. mxgate 进程和 MatrixDB 的 master 进程高效通信，沟通事务和控制信息

4. 数据直接发送到 segment 节点，并行高速写入，不存在 master 单点瓶颈。

三一重工泵诵云平台将二者相结合，实现数据实时入库，且解决标准化的问题。在分享案例之前，先了解一下 NiFi 中一个重要的概念：

FlowFile

· FlowFile 是 NiFi 的核心概念，是对原始数据记录的抽象，是面向 FBP (Flow-Based Programming) 设计的。

· FlowFile 是数据记录，由一个指针（指向内容）和属性组成。

· 属性是 Key / value 键值对，是 Flowfile 的元数据。

· 内容是原始数据。

在后续的案例中，数据的流转在 NiFi 中就是 Flowfile 的生成与转化。

02 案例

数据处理思路

根据上面的思路，使用 NiFi 搭建数据流的过程如下：

01.

首先，获取数据，可以用 NiFi 自带的 ConsumeKafka_2_0 组件，只需配置 broker、topic，即可消费数据输出到下一组件。

02.

上图中的 Sany/JsonTypeJudge 为自定义组件，功能为根据 kafka.key 分发车载泵和泵车的数据，也可以用 NiFi 自带的 RouteOnAttribute 组件。

官方组件实现的分发规则更加的灵活，但是效率要低许多。样例如下：

03.

分发的数据输出的合并组件，这里使用 NiFi 自带的 MergeContent 组件，合并策略采用桶策略。

桶策略的含义如下：

• 每个 FlowFile 都有属性，桶策略首先需要指定合并属性，在上图中，合并属性设置为 kafka.key，也就是设备号。

• kafka.key 为 A 的 FlowFile 将进入 A 桶，kafka.key 为 B 的 FlowFile 将进入 B 桶，以此类推，每个 FlowFile 根据自身的属性进入对应的桶。

• 桶策略还有其他配置，比如桶中的最小/最大文件数、桶中文件的最小/最大 Size、桶的持续时间等等，一旦达到门限值，桶里面的 FlowFiles 会打包合并成一个 FlowFile 输出到下一组件。

04.

将合并后的 jsonArray 进行解析，在这里用到的组件为自定义组件，因为原始的 json，key 不固定，而 NiFi 自带的 jsonReader 组件只能用单一的 schema 去读。

05.

对分发的实时工况进行标准化。设备上传的数据是由控制协议定义的，随着控制协议以及设备的更新，新老设备对于同一个物理量会存在不同的字段映射，比如转速这个物理量，在 1 车型中是字段 A，在 2 车型中是字段 B，我们希望根据车型的不同，填充 A or B 到转速这个物理量。

以下是实现标准化涉及的组件：

• NiFi 自带的 LookupAttribute 组件，根据前文提到的 kafka.key 这一属性，为每条记录添加 protocol 属性，为后续每条记录输出 A 还是输出 B 提供依据。

• 为每个 FlowFile 添加上 protocol 这个属性后，在使用 NiFi 自带的 ConvertRecord 组件根据 protocol 的值动态地输出 A or B，以此达到标准化的效果。

06.

数据入库 NiFi 自带的组件有 PutDatabaseRecord，这个组件能 put 数据到市面上主流的数据库，只需指定 jdbc 的 jar 包，以及配置 url，数据库名等，但是入库效率会表较低。

这里结合 mxgate 的 java api，自定义一个组件，用于加载数据到 MatrixDB。

PutDatabaseRecord 自定义组件的代码实现如下：

03 小结

在本案例中，需要注意的是，NiFi 为了防止数据丢失会将接入的数据内容作为内容声明保存在本地，可以通过更改 NiFi 配置再重启来改变内容声明留存时间。

前期由于使用默认的留存时间，再加上服务器本身磁盘有限。因此，在很短的时间内出现磁盘满了的情况，通过改变留存时间以及定时清理内容声明，可以解决磁盘爆满的问题，但是带来的问题是，一旦碰到某种原因导致 NiFi 未及时入库数据，而被定时清理了内容声明，那数据就会丢失，还是需要通过对磁盘扩容来解决。

总的来说，“NiFi+Mxgate” 二者的结合完美地解决了数据接入的问题。

原文链接

本文为 YMatrix 原创内容，未经允许不得转载。

欲了解更多超融合时序数据库相关信息，请访问 “YMatrix 超融合数据库” 官方网站