有特点的流处理引擎NiFi

2017 年 6 月 27 日 大数据和云计算技术 朱洁

前面写了flink的文章,其实流处理不止有flink、storm、spark streaming,说实话这些其实都是比较传统的流处理框架。今天介绍一个大家不一定用得很多,但是却很有特点的东西,NiFi


NiFi的来源


Apache NiFi项目,它是一种实时数据流处理 系统,在去年由美国安全局(NSA)开源并进入Apache社区,NiFi初始的项目名称是Niagarafiles。当NiFi项目开源之后,一些早先在NSA的开发者们创立了初创公司Onyara,Onyara随之继续NiFi项目的开发并提供相关的支持。Hortonworks公司收购了Onyara并将其开发者整合到自己的团队中,形成HDF(Hortonworks Data Flow)平台。


NiFi的特点


下面是官方的一些关键能力介绍,可以认真看看:

Apache NiFi supports powerful and scalable directed graphs of data routing, transformation, and system mediation logic. Some of the high-level capabilities and objectives of Apache NiFi include:

  • Web-based user interface

  • Seamless experience between design, control, feedback, and monitoring

  • Highly configurable

  • Loss tolerant vs guaranteed delivery

  • Low latency vs high throughput

  • Dynamic prioritization

  • Flow can be modified at runtime

  • Back pressure

  • Data Provenance

  • Track dataflow from beginning to end

  • Designed for extension

  • Build your own processors and more

  • Enables rapid development and effective testing

  • Secure

  • SSL, SSH, HTTPS, encrypted content, etc...

  • Multi-tenant authorization and internal authorization/policy management

总结来说,做为一个流处理引擎,NiFi的核心差异化能力主要有两点:

丰富的算子


整合了大量数据源的处理能力,详细的可以登录nifi官网(https://nifi.apache.org/docs.html)详细看各个算子的能力,下面列一列算子,让大家有个感觉,,还是相当丰富的。

Processors

  • AttributeRollingWindow 1.3.0

  • AttributesToJSON 1.3.0

  • Base64EncodeContent 1.3.0

  • CaptureChangeMySQL 1.3.0

  • CompareFuzzyHash 1.3.0

  • CompressContent 1.3.0

  • ConnectWebSocket 1.3.0

  • ConsumeAMQP 1.3.0

  • ConsumeEWS 1.3.0

  • ConsumeIMAP 1.3.0

  • ConsumeJMS 1.3.0

  • ConsumeKafka 1.3.0

  • ConsumeKafka_0_10 1.3.0

  • ConsumeKafkaRecord_0_10 1.3.0

  • ConsumeMQTT 1.3.0

  • ConsumePOP3 1.3.0

  • ConsumeWindowsEventLog 1.3.0

  • ControlRate 1.3.0

  • ConvertAvroSchema 1.3.0

  • ConvertAvroToJSON 1.3.0

  • ConvertAvroToORC 1.3.0

  • ConvertCharacterSet 1.3.0

  • ConvertCSVToAvro 1.3.0

  • ConvertExcelToCSVProcessor 1.3.0

  • ConvertJSONToAvro 1.3.0

  • ConvertJSONToSQL 1.3.0

  • ConvertRecord 1.3.0

  • CreateHadoopSequenceFile 1.3.0

  • DebugFlow 1.3.0

  • DeleteDynamoDB 1.3.0

  • DeleteGCSObject 1.3.0

  • DeleteHDFS 1.3.0

  • DeleteS3Object 1.3.0

  • DeleteSQS 1.3.0

  • DetectDuplicate 1.3.0

  • DistributeLoad 1.3.0

  • DuplicateFlowFile 1.3.0

  • EncryptContent 1.3.0

  • EnforceOrder 1.3.0

  • EvaluateJsonPath 1.3.0

  • EvaluateXPath 1.3.0

  • EvaluateXQuery 1.3.0

  • ExecuteFlumeSink 1.3.0

  • ExecuteFlumeSource 1.3.0

  • ExecuteProcess 1.3.0

  • ExecuteScript 1.3.0

  • ExecuteSQL 1.3.0

  • ExecuteStreamCommand 1.3.0

  • ExtractAvroMetadata 1.3.0

  • ExtractCCDAAttributes 1.3.0

  • ExtractEmailAttachments 1.3.0

  • ExtractEmailHeaders 1.3.0

  • ExtractGrok 1.3.0

  • ExtractHL7Attributes 1.3.0

  • ExtractImageMetadata 1.3.0

  • ExtractMediaMetadata 1.3.0

  • ExtractText 1.3.0

  • ExtractTNEFAttachments 1.3.0

  • FetchAzureBlobStorage 1.3.0

  • FetchDistributedMapCache 1.3.0

  • FetchElasticsearch 1.3.0

  • FetchElasticsearch5 1.3.0

  • FetchElasticsearchHttp 1.3.0

  • FetchFile 1.3.0

  • FetchFTP 1.3.0

  • FetchGCSObject 1.3.0

  • FetchHBaseRow 1.3.0

  • FetchHDFS 1.3.0

  • FetchParquet 1.3.0

  • FetchS3Object 1.3.0

  • FetchSFTP 1.3.0

  • FuzzyHashContent 1.3.0

  • GenerateFlowFile 1.3.0

  • GenerateTableFetch 1.3.0

  • GeoEnrichIP 1.3.0

  • GetAzureEventHub 1.3.0

  • GetCouchbaseKey 1.3.0

  • GetDynamoDB 1.3.0

  • GetFile 1.3.0

  • GetFTP 1.3.0

  • GetHBase 1.3.0

  • GetHDFS 1.3.0

  • GetHDFSEvents 1.3.0

  • GetHDFSSequenceFile 1.3.0

  • GetHTMLElement 1.3.0

  • GetHTTP 1.3.0

  • GetIgniteCache 1.3.0

  • GetJMSQueue 1.3.0

  • GetJMSTopic 1.3.0

  • GetKafka 1.3.0

  • GetMongo 1.3.0

  • GetSFTP 1.3.0

  • GetSNMP 1.3.0

  • GetSolr 1.3.0

  • GetSplunk 1.3.0

  • GetSQS 1.3.0

  • GetTCP 1.3.0

  • GetTwitter 1.3.0

  • HandleHttpRequest 1.3.0

  • HandleHttpResponse 1.3.0

  • HashAttribute 1.3.0

  • HashContent 1.3.0

  • IdentifyMimeType 1.3.0

  • InferAvroSchema 1.3.0

  • InvokeHTTP 1.3.0

  • InvokeScriptedProcessor 1.3.0

  • ISPEnrichIP 1.3.0

  • JoltTransformJSON 1.3.0

  • ListAzureBlobStorage 1.3.0

  • ListDatabaseTables 1.3.0

  • ListenBeats 1.3.0

  • ListenHTTP 1.3.0

  • ListenLumberjack 1.3.0

  • ListenRELP 1.3.0

  • ListenSMTP 1.3.0

  • ListenSyslog 1.3.0

  • ListenTCP 1.3.0

  • ListenUDP 1.3.0

  • ListenWebSocket 1.3.0

  • ListFile 1.3.0

  • ListFTP 1.3.0

  • ListGCSBucket 1.3.0

  • ListHDFS 1.3.0

  • ListS3 1.3.0

  • ListSFTP 1.3.0

  • LogAttribute 1.3.0

  • LogMessage 1.3.0

  • LookupAttribute 1.3.0

  • LookupRecord 1.3.0

  • MergeContent 1.3.0

  • ModifyBytes 1.3.0

  • ModifyHTMLElement 1.3.0

  • MonitorActivity 1.3.0

  • Notify 1.3.0

  • ParseCEF 1.3.0

  • ParseEvtx 1.3.0

  • ParseSyslog 1.3.0

  • PartitionRecord 1.3.0

  • PostHTTP 1.3.0

  • PublishAMQP 1.3.0

  • PublishJMS 1.3.0

  • PublishKafka 1.3.0

  • PublishKafka_0_10 1.3.0

  • PublishKafkaRecord_0_10 1.3.0

  • PublishMQTT 1.3.0

  • PutAzureBlobStorage 1.3.0

  • PutAzureEventHub 1.3.0

  • PutCassandraQL 1.3.0

  • PutCloudWatchMetric 1.3.0

  • PutCouchbaseKey 1.3.0

  • PutDatabaseRecord 1.3.0

  • PutDistributedMapCache 1.3.0

  • PutDynamoDB 1.3.0

  • PutElasticsearch 1.3.0

  • PutElasticsearch5 1.3.0

  • PutElasticsearchHttp 1.3.0

  • PutElasticsearchHttpRecord 1.3.0

  • PutEmail 1.3.0

  • PutFile 1.3.0

  • PutFTP 1.3.0

  • PutGCSObject 1.3.0

  • PutHBaseCell 1.3.0

  • PutHBaseJSON 1.3.0

  • PutHDFS 1.3.0

  • PutHiveQL 1.3.0

  • PutHiveStreaming 1.3.0

  • PutHTMLElement 1.3.0

  • PutIgniteCache 1.3.0

  • PutJMS 1.3.0

  • PutKafka 1.3.0

  • PutKinesisFirehose 1.3.0

  • PutKinesisStream 1.3.0

  • PutLambda 1.3.0

  • PutMongo 1.3.0

  • PutParquet 1.3.0

  • PutRiemann 1.3.0

  • PutS3Object 1.3.0

  • PutSFTP 1.3.0

  • PutSlack 1.3.0

  • PutSNS 1.3.0

  • PutSolrContentStream 1.3.0

  • PutSplunk 1.3.0

  • PutSQL 1.3.0

  • PutSQS 1.3.0

  • PutSyslog 1.3.0

  • PutTCP 1.3.0

  • PutUDP 1.3.0

  • PutWebSocket 1.3.0

  • QueryCassandra 1.3.0

  • QueryDatabaseTable 1.3.0

  • QueryDNS 1.3.0

  • QueryElasticsearchHttp 1.3.0

  • QueryRecord 1.3.0

  • QueryWhois 1.3.0

  • ReplaceText 1.3.0

  • ReplaceTextWithMapping 1.3.0

  • ResizeImage 1.3.0

  • RouteHL7 1.3.0

  • RouteOnAttribute 1.3.0

  • RouteOnContent 1.3.0

  • RouteText 1.3.0

  • ScanAttribute 1.3.0

  • ScanContent 1.3.0

  • ScrollElasticsearchHttp 1.3.0

  • SegmentContent 1.3.0

  • SelectHiveQL 1.3.0

  • SetSNMP 1.3.0

  • SplitAvro 1.3.0

  • SplitContent 1.3.0

  • SplitJson 1.3.0

  • SplitRecord 1.3.0

  • SplitText 1.3.0

  • SplitXml 1.3.0

  • SpringContextProcessor 1.3.0

  • StoreInKiteDataset 1.3.0

  • TailFile 1.3.0

  • TransformXml 1.3.0

  • UnpackContent 1.3.0

  • UpdateAttribute 1.3.0

  • UpdateCounter 1.3.0

  • UpdateRecord 1.3.0

  • ValidateCsv 1.3.0

  • ValidateXml 1.3.0

  • Wait 1.3.0

  • YandexTranslate 1.3.0

Controller Services

  • AvroReader 1.3.0

  • AvroRecordSetWriter 1.3.0

  • AvroSchemaRegistry 1.3.0

  • AWSCredentialsProviderControllerService 1.3.0

  • CouchbaseClusterService 1.3.0

  • CSVReader 1.3.0

  • CSVRecordSetWriter 1.3.0

  • DBCPConnectionPool 1.3.0

  • DistributedMapCacheClientService 1.3.0

  • DistributedMapCacheServer 1.3.0

  • DistributedSetCacheClientService 1.3.0

  • DistributedSetCacheServer 1.3.0

  • FreeFormTextRecordSetWriter 1.3.0

  • GCPCredentialsControllerService 1.3.0

  • GrokReader 1.3.0

  • HBase_1_1_2_ClientMapCacheService 1.3.0

  • HBase_1_1_2_ClientService 1.3.0

  • HiveConnectionPool 1.3.0

  • HortonworksSchemaRegistry 1.3.0

  • IPLookupService 1.3.0

  • JettyWebSocketClient 1.3.0

  • JettyWebSocketServer 1.3.0

  • JMSConnectionFactoryProvider 1.3.0

  • JsonPathReader 1.3.0

  • JsonRecordSetWriter 1.3.0

  • JsonTreeReader 1.3.0

  • PropertiesFileLookupService 1.3.0

  • ScriptedLookupService 1.3.0

  • ScriptedReader 1.3.0

  • ScriptedRecordSetWriter 1.3.0

  • SimpleCsvFileLookupService 1.3.0

  • SimpleKeyValueLookupService 1.3.0

  • StandardHttpContextMap 1.3.0

  • StandardSSLContextService 1.3.0

  • XMLFileLookupService 1.3.0

Reporting Tasks

  • AmbariReportingTask 1.3.0

  • ControllerStatusReportingTask 1.3.0

  • DataDogReportingTask 1.3.0

  • MonitorDiskUsage 1.3.0

  • MonitorMemory 1.3.0

  • ScriptedReportingTask 1.3.0

  • SiteToSiteBulletinReportingTask 1.3.0

  • SiteToSiteProvenanceReportingTask 1.3.0

  • SiteToSiteStatusReportingTask 1.3.0

  • StandardGangliaReporter 1.3.0


优雅的界面


就是我个人认为非常不错的界面,可以看到非常详细的数据流向。


NiFi在Hortonworks的定位


因为NiFi可以对来自多种数据源的流数据进行处理,Hortonworks认为HDF平台非常适合用于物联网 (IoAT)的数据处理。HDF中的数据流动可以是多个方向,甚至是点对点的,用户可以同收集到的数据流进行交互,这种交互甚至可以延伸到数据源,比如一些传感器或是设备。按照Hortonworks公司的说法,HDF产品是对HDP产品的补充,前者主要处理移动中的数据,而后者基于Hadoop技术,主要负责从静止的数据中获取洞察。可以看一看Hortonworks官方宣传对HDF的定位,已经号称是端到端流数据处理分析。

Hortonworks DataFlow (HDF) provides the only end-to-end platform that collects, curates, analyzes and acts on data in real-time, on-premises or in the cloud, with a drag-and-drop visual interface. HDF is an integrated solution with Apache Nifi/MiNifi, Apache Kafka, Apache Storm and Druid.


上图是概要介绍HDF三大部分,The HDF streaming data analytics platform includes data Flow Management, Stream Processing, and Enterprise Services.Nifi是作为数据管理和接入,可以延伸部署到边缘网关的重要能力。


结语


如果你的项目中也有同样的对多数据源的处理诉求,NiFi是个不错的选择。




为了方便大家相互交流学习,创建了一个公众号同名微信群:大数据和云计算技术交流群,欢迎大家加下面微信,我拉大家进群,自由交流。同时如果大家觉得对您有帮助,也欢迎大家打赏。:)


登录查看更多
1

相关内容

Apache 是一个开放源代码的网页服务器,可以在大多数电脑操作系统中运行,由于其跨平台和安全性被广泛使用,是最流行的 Web 服务器端软件之一。 同时 Apache 也是一个专门为支持开源软件项目而办的一个非盈利性组织。
【2020新书】使用高级C# 提升你的编程技能,412页pdf
专知会员服务
57+阅读 · 2020年6月26日
【实用书】Python技术手册,第三版767页pdf
专知会员服务
234+阅读 · 2020年5月21日
斯坦福2020硬课《分布式算法与优化》
专知会员服务
118+阅读 · 2020年5月6日
【大规模数据系统,552页ppt】Large-scale Data Systems
专知会员服务
60+阅读 · 2019年12月21日
【干货】大数据入门指南:Hadoop、Hive、Spark、 Storm等
专知会员服务
95+阅读 · 2019年12月4日
中文知识图谱构建技术以及应用的综述
专知会员服务
312+阅读 · 2019年10月19日
推荐系统资源(文献、工具、框架)整理
专知
17+阅读 · 2019年2月4日
自动文本摘要
AI研习社
21+阅读 · 2018年10月27日
SLA 99.99%以上!饿了么实时计算平台3年演进历程
51CTO博客
11+阅读 · 2018年4月10日
大数据流处理平台的技术选型参考
架构文摘
4+阅读 · 2018年3月14日
胶囊网络资源汇总
论智
7+阅读 · 2018年3月10日
资源 | 适合AI新手的9款人工智能开源软件
AI100
3+阅读 · 2017年11月13日
【推荐】中文通用知识图谱(CN-DBpedia)
机器学习研究会
31+阅读 · 2017年9月15日
【推荐】GAN架构入门综述(资源汇总)
机器学习研究会
10+阅读 · 2017年9月3日
给DNN处理器跑个分 - 指标篇
StarryHeavensAbove
5+阅读 · 2017年7月9日
A Survey on Edge Intelligence
Arxiv
50+阅读 · 2020年3月26日
Heterogeneous Graph Transformer
Arxiv
27+阅读 · 2020年3月3日
Arxiv
92+阅读 · 2020年2月28日
Arxiv
35+阅读 · 2019年11月7日
Arxiv
3+阅读 · 2018年12月18日
VIP会员
相关VIP内容
【2020新书】使用高级C# 提升你的编程技能,412页pdf
专知会员服务
57+阅读 · 2020年6月26日
【实用书】Python技术手册,第三版767页pdf
专知会员服务
234+阅读 · 2020年5月21日
斯坦福2020硬课《分布式算法与优化》
专知会员服务
118+阅读 · 2020年5月6日
【大规模数据系统,552页ppt】Large-scale Data Systems
专知会员服务
60+阅读 · 2019年12月21日
【干货】大数据入门指南:Hadoop、Hive、Spark、 Storm等
专知会员服务
95+阅读 · 2019年12月4日
中文知识图谱构建技术以及应用的综述
专知会员服务
312+阅读 · 2019年10月19日
相关资讯
推荐系统资源(文献、工具、框架)整理
专知
17+阅读 · 2019年2月4日
自动文本摘要
AI研习社
21+阅读 · 2018年10月27日
SLA 99.99%以上!饿了么实时计算平台3年演进历程
51CTO博客
11+阅读 · 2018年4月10日
大数据流处理平台的技术选型参考
架构文摘
4+阅读 · 2018年3月14日
胶囊网络资源汇总
论智
7+阅读 · 2018年3月10日
资源 | 适合AI新手的9款人工智能开源软件
AI100
3+阅读 · 2017年11月13日
【推荐】中文通用知识图谱(CN-DBpedia)
机器学习研究会
31+阅读 · 2017年9月15日
【推荐】GAN架构入门综述(资源汇总)
机器学习研究会
10+阅读 · 2017年9月3日
给DNN处理器跑个分 - 指标篇
StarryHeavensAbove
5+阅读 · 2017年7月9日
Top
微信扫码咨询专知VIP会员