Ftp Reader¶
Ftp Reader 提供了读取远程 FTP/SFTP 文件系统数据存储的能力。
功能说明¶
配置样例¶
{
"job": {
"setting": {
"speed": {
"channel": 2,
"bytes": -1
}
},
"content": {
"reader": {
"name": "ftpreader",
"parameter": {
"protocol": "sftp",
"host": "127.0.0.1",
"port": 22,
"username": "xx",
"password": "xxx",
"path": [
"/var/ftp/test.txt",
"/var/tmp/*.txt",
"/public/ftp",
"/public/a??.txt"
],
"column": [
{
"index": 0,
"type": "long"
},
{
"index": 1,
"type": "boolean"
},
{
"index": 2,
"type": "double"
},
{
"index": 3,
"type": "string"
},
{
"index": 4,
"type": "date",
"format": "yyyy.MM.dd"
}
],
"encoding": "UTF-8",
"fieldDelimiter": ","
}
},
"writer": {
"name": "ftpWriter",
"parameter": {
"path": "/var/ftp/FtpWriter/result",
"fileName": "shihf",
"writeMode": "truncate",
"format": "yyyy-MM-dd"
}
}
}
}
}
参数说明¶
配置项 | 是否必须 | 数据类型 | 默认值 | 描述 |
---|---|---|---|---|
protocol | 是 | string | 无 | 服务器协议,目前支持传输协议有 ftp 和 sftp |
host | 是 | string | 无 | 服务器地址 |
port | 否 | int | 22/21 | 若传输协议是 sftp 协议,默认值是 22;若传输协议是标准 ftp 协议,默认值是 21 |
timeout | 否 | int | 60000 | 连接 ftp 服务器连接超时时间,单位毫秒(ms) |
connectPattern | 否 | string | PASV | 连接模式,仅支持 PORT , PASV 模式。该参数仅在 ftp 协议时使用 |
username | 是 | string | 无 | ftp 服务器访问用户名 |
password | 否 | string | 无 | ftp 服务器访问密码 |
useKey | 否 | boolean | false | 是否使用私钥登录,仅针对 sftp 登录有效 |
keyPath | 否 | string | ~/.ssh/id_rsa |
私钥地址 |
keyPass | 否 | string | 无 | 私钥密码,若没有设置私钥密码,则无需配置该项 |
path | 是 | list | 无 | 远程 FTP 文件系统的路径信息,注意这里可以支持填写多个路径,详细描述见下 |
column | 是 | list<map> |
无 | 读取字段列表,type 指定源数据的类型,详见下文 |
fieldDelimiter | 是 | string | , |
描述:读取的字段分隔符 |
compress | 否 | string | 无 | 文本压缩类型,默认不填写意味着没有压缩。支持压缩类型为 zip 、gz 、bzip2 |
encoding | 否 | string | utf-8 |
读取文件的编码配置 |
skipHeader | 否 | boolean | false | 类 CSV 格式文件可能存在表头为标题情况,需要跳过。默认不跳过 |
nullFormat | 否 | char | \N |
定义哪些字符串可以表示为 null |
maxTraversalLevel | 否 | int | 100 | 允许遍历文件夹的最大层数 |
csvReaderConfig | 否 | map | 无 | 读取 CSV 类型文件参数配置,Map 类型。不配置则使用默认值,详见下文 |
path¶
远程 FTP 文件系统的路径信息,支持填写多个路径,示例配置中演示了如何填写多个路径。
{
"path": [
"/var/ftp/test.txt", // 读取 /var/ftp 目录下的 test.txt 文件
"/var/tmp/*.txt", // 读取 /var/tmp 目录下所有 txt 文件
"/public/ftp", // 读取 /public/ftp 目录下所有文件, 如果 ftp 是文件的话,则直接读取
"/public/a??.txt" // 读取 /public 目录下所有 a 开头,后面跟两个字符,最后是 txt 结尾的文件
]
}
特别需要注意的是,Addax 会将一个作业下同步的所有 Text File 视作同一张数据表。用户必须自己保证所有的 File 能够适配同一套 schema 信息。读取文件用户必须保证为类 CSV 格式,并且提供给 Addax 权限可读。
特别需要注意的是,如果 Path 指定的路径下没有符合匹配的文件抽取,Addax 将报错。
column¶
读取字段列表,type 指定源数据的类型,index 指定当前列来自于文本第几列(以 0 开始),value 指定当前类型为常量,不从源头文件读取数据,而是根据 value 值自动生成对应的列。
默认情况下,用户可以全部按照 String 类型读取数据,配置如下:
{
"column": ["*"]
}
用户可以指定 Column 字段信息,配置如下:
[
{
"type": "long",
"index": 0,
"description": "从远程FTP文件文本第一列获取int字段"
},
{
"type": "string",
"value": "addax",
"description": "从FtpReader内部生成alibaba的字符串字段作为当前字段"
}
]
对于用户指定 Column 信息,type 必须填写,index/value 必须选择其一。
csvReaderConfig¶
常见配置:
{
"csvReaderConfig": {
"safetySwitch": false,
"skipEmptyRecords": false,
"useTextQualifier": false
}
}
所有配置项及默认值,配置时 csvReaderConfig 的 map 中请 严格按照以下字段名字进行配置:
boolean caseSensitive = true;
char textQualifier = 34;
boolean trimWhitespace = true;
boolean useTextQualifier = true;//是否使用csv转义字符
char delimiter = 44;//分隔符
char recordDelimiter = 0;
char comment = 35;
boolean useComments = false;
int escapeMode = 1;
boolean safetySwitch = true;//单列长度是否限制100000字符
boolean skipEmptyRecords = true;//是否跳过空行
boolean captureRawRecord = true;
类型转换¶
远程 FTP 文件本身不提供数据类型,该类型是 Addax FtpReader 定义:
Addax 内部类型 | 远程 FTP 文件 数据类型 |
---|---|
Long | Long |
Double | Double |
String | String |
Boolean | Boolean |
Date | Date |
其中:
- Long 是指远程 FTP 文件文本中使用整形的字符串表示形式,例如 "19901219"。
- Double 是指远程 FTP 文件文本中使用 Double 的字符串表示形式,例如 "3.1415"。
- Boolean 是指远程 FTP 文件文本中使用 Boolean 的字符串表示形式,例如 "true"、"false"。不区分大小写。
- Date 是指远程 FTP 文件文本中使用 Date 的字符串表示形式,例如 "2014-12-31",Date 可以指定 format 格式。
限制¶
- 单个 File 支持多线程并发读取,这里涉及到单个 File 内部切分算法
- 单个 File 在压缩情况下,从技术上无法支持多线程并发读取。