文件分割器

FileSplitter 在 4.1.2 版本中添加,其命名空间支持在 4.2 版本中添加。FileSplitter 根据 BufferedReader.readLine() 将文本文件分割成单独的行。默认情况下,分割器使用 Iterator 在从文件中读取行时逐行发出。将 iterator 属性设置为 false 会使其在发出消息之前将所有行读入内存。这样做的一种用例是,您可能想在发送任何包含行的消息之前检测文件上的 I/O 错误。然而,这只适用于相对较短的文件。

入站载荷可以是 FileString(文件路径)、InputStreamReader。其他载荷类型将原样发出。

以下列表显示了配置 FileSplitter 的可能方式

  • Java DSL

  • Kotlin DSL

  • Java

  • XML

@SpringBootApplication
public class FileSplitterApplication {

    public static void main(String[] args) {
        new SpringApplicationBuilder(FileSplitterApplication.class)
            .web(false)
            .run(args);
    }

    @Bean
    public IntegrationFlow fileSplitterFlow() {
        return IntegrationFlow
            .from(Files.inboundAdapter(tmpDir.getRoot())
                 .filter(new ChainFileListFilter<File>()
                        .addFilter(new AcceptOnceFileListFilter<>())
                        .addFilter(new ExpressionFileListFilter<>(
                             new FunctionExpression<File>(f -> "foo.tmp".equals(f.getName()))))))
            .split(Files.splitter()
                     .markers()
                     .charset(StandardCharsets.US_ASCII)
                     .firstLineAsHeader("fileHeader")
                     .applySequence(true))
            .channel(c -> c.queue("fileSplittingResultChannel"))
            .get();
    }

}
@Bean
fun fileSplitterFlow() =
    integrationFlow(
        Files.inboundAdapter(tmpDir.getRoot())
            .filter(
                ChainFileListFilter<File?>()
                    .addFilter(AcceptOnceFileListFilter())
                    .addFilter(ExpressionFileListFilter(FunctionExpression { f: File? -> "foo.tmp" == f!!.name }))
            )
    ) {
        split(
            Files.splitter()
                .markers()
                .charset(StandardCharsets.US_ASCII)
                .firstLineAsHeader("fileHeader")
                .applySequence(true)
        )
        channel { queue("fileSplittingResultChannel") }
    }
@Splitter(inputChannel="toSplitter")
@Bean
public MessageHandler fileSplitter() {
    FileSplitter splitter = new FileSplitter(true, true);
    splitter.setApplySequence(true);
    splitter.setOutputChannel(outputChannel);
    return splitter;
}
<int-file:splitter id="splitter" (1)
    iterator=""                  (2)
    markers=""                   (3)
    markers-json=""              (4)
    apply-sequence=""            (5)
    requires-reply=""            (6)
    charset=""                   (7)
    first-line-as-header=""      (8)
    input-channel=""             (9)
    output-channel=""            (10)
    send-timeout=""              (11)
    auto-startup=""              (12)
    order=""                     (13)
    phase="" />                  (14)
1 分割器的 bean 名称。
2 设置为 true(默认值)以使用迭代器,或者设置为 false 以在发送行之前将文件加载到内存中。
3 设置为 true 以在文件数据之前和之后发出文件开始和文件结束标记消息。标记是载荷为 FileSplitter.FileMarker 的消息(其 mark 属性包含 STARTEND 值)。当您在下游流中按顺序处理文件,并且某些行被过滤掉时,可以使用标记。它们使下游处理能够知道文件何时已完全处理完毕。此外,一个包含 STARTENDfile_marker 头会被添加到这些消息中。END 标记包含行计数。如果文件为空,则只发出 STARTEND 标记,其 lineCount0。默认值为 false。当设置为 true 时,apply-sequence 默认为 false。另请参阅 markers-json(下一个属性)。
4 markers 为 true 时,将其设置为 true 可将 FileMarker 对象转换为 JSON 字符串。(底层使用 SimpleJsonSerializer)。
5 设置为 false 可禁用在消息中包含 sequenceSizesequenceNumber 头。默认值为 true,除非 markerstrue。当为 truemarkerstrue 时,标记会包含在序列中。当为 trueiteratortrue 时,sequenceSize 头会被设置为 0,因为大小未知。
6 设置为 true 可在文件没有行时抛出 RequiresReplyException。默认值为 false
7 设置读取文本数据到 String 载荷时使用的字符集名称。默认值是平台字符集。
8 第一行作为头信息包含在为剩余行发出的消息中的头名称。自 5.0 版本起。
9 设置用于向分割器发送消息的输入通道。
10 设置消息发送到的输出通道。
11 设置发送超时。仅当 output-channel 可能阻塞时适用,例如满的 QueueChannel
12 设置为 false 可禁用在上下文刷新时自动启动分割器。默认值为 true
13 如果 input-channel<publish-subscribe-channel/>,则设置此端点的顺序。
14 设置分割器的启动阶段(当 auto-startuptrue 时使用)。

FileSplitter 还可以将任何基于文本的 InputStream 分割成行。从 4.3 版本开始,当与 FTP 或 SFTP 流式入站通道适配器,或使用 stream 选项检索文件的 FTP 或 SFTP 出站网关结合使用时,当文件完全被消费时,分割器会自动关闭支持该流的会话。有关这些功能的更多信息,请参见 FTP 流式入站通道适配器SFTP 流式入站通道适配器,以及 FTP 出站网关SFTP 出站网关

使用 Java 配置时,还有一个额外的构造函数可用,如下例所示

public FileSplitter(boolean iterator, boolean markers, boolean markersJson)

markersJson 为 true 时,标记表示为 JSON 字符串(使用 SimpleJsonSerializer)。

5.0 版本引入了 firstLineAsHeader 选项,用于指定内容的第一行是头(例如 CSV 文件中的列名)。传递给此属性的参数是头名称,在该名称下,第一行作为头信息包含在为剩余行发出的消息中。此行不包含在序列头中(如果 applySequence 为 true),也不包含在与 FileMarker.END 关联的 lineCount 中。注意:从 5.5 版本开始,lineCount 也作为 FileHeaders.LINE_COUNT 包含在 FileMarker.END 消息的头中,因为 FileMarker 可以被序列化为 JSON。如果文件只包含头行,则该文件被视为空文件,因此在分割期间只发出 FileMarker 实例(如果启用了标记 — 否则,不发出任何消息)。默认情况下(如果未设置头名称),第一行被视为数据,并成为第一个发出的消息的载荷。

如果您需要更复杂的逻辑来从文件内容中提取头(不是第一行,不是行的全部内容,不是某个特定的头等等),可以考虑在 FileSplitter 之前使用 头增强器。请注意,已移至头的行可能会在下游被过滤掉,而不参与正常的内容处理。

分割文件后的幂等下游处理

apply-sequence 为 true 时,分割器会在 SEQUENCE_NUMBER 头中添加行号(当 markers 为 true 时,标记被计为行)。行号可以与 幂等接收器 一起使用,以避免在重新启动后重新处理行。

例如

@Bean
public ConcurrentMetadataStore store() {
    return new ZookeeperMetadataStore();
}

@Bean
public MetadataStoreSelector selector() {
    return new MetadataStoreSelector(
            message -> message.getHeaders().get(FileHeaders.ORIGINAL_FILE, File.class)
                    .getAbsolutePath(),
            message -> message.getHeaders().get(IntegrationMessageHeaderAccessor.SEQUENCE_NUMBER)
                    .toString(),
            store())
                    .compareValues(
                            (oldVal, newVal) -> Integer.parseInt(oldVal) < Integer.parseInt(newVal));
}

@Bean
public IdempotentReceiverInterceptor idempotentReceiverInterceptor() {
    return new IdempotentReceiverInterceptor(selector());
}

@Bean
public IntegrationFlow flow() {
    ...
    .split(new FileSplitter())
    ...
    .handle("lineHandler", e -> e.advice(idempotentReceiverInterceptor()))
    ...
}