Nifi处理器批量插入-处理失败

Question

我目前正在编写 ElasticSearch Nifi 处理器。对 ES 的单独插入/写入不是最优的，而是首选批处理文档。在 Nifi 处理器中跟踪（批处理）文档（FlowFiles）的最佳方法是什么，以及何时以一定数量批处理它们？我最关心的部分是如果ES不可用、宕机、网络分区等导致批处理无法成功。问题的主要观点是，考虑到 Nifi 具有用于排队/背压等的内容存储，是否有一种首选方法可以使用它来确保在目标关闭时不会丢失 FlowFiles？也许我应该看看另一个处理器作为示例？

我查看了 Mongo 处理器、Merge 等，试图了解在处理器内部进行批处理的首选方法，但似乎找不到任何具体的东西。任何建议将不胜感激。

我很有可能忽略了 Nifi 中的一些基本功能。我对这个平台还很陌生。

谢谢！

Answer 1

很好的问题和很常见的模式。这就是为什么我们有 ProcessSession 的概念。它允许您向外部端点发送零个或多个东西，并且只有在您知道它已被收件人确认后才提交。从这个意义上说，它提供了至少一次语义。如果您使用的协议支持两阶段提交样式语义，您可以非常接近难以捉摸的完全一次语义。您在此处询问的大部分细节将取决于目标系统 API 和行为。

apache 代码库中有一些示例揭示了执行此操作的方法。一种方法是，如果您可以在推送到目标系统之前生成事件的合并集合。取决于它的API。我认为 PutMongo 和 PutSolr 以这种方式运作（尽管这方面的专家需要权衡）。一个可能更像您正在寻找的示例可以在 PutSQL 中找到，它对成批的流文件进行操作以在单个事务中发送（在目标数据库上）。

https://github.com/apache/nifi/blob/master/nifi-nar-bundles/nifi-standard-bundle/nifi-standard-processors/src/main/java/org/apache/nifi/processors/standard/PutSQL.java

会关注这里，但可以通过 users@nifi.apache.org 获得更大的 NiFi 小组的关注

谢谢 乔