数据采集ETL工具 Elasticsearch-datatran v6.5.0 发布。

Elasticsearch-datatran 由 bboss 开源的数据采集同步ETL工具，提供数据采集、数据清洗转换处理和数据入库功能。支持在Elasticsearch、关系数据库(mysql,oracle,db2,sqlserver、达梦等)、Mongodb、HBase、Hive、Kafka、文本文件、SFTP/FTP多种数据源之间进行海量数据采集同步；支持本地/ftp日志文件实时增量采集到kafka/elasticsearch/database；支持根据字段进行数据记录切割；支持根据文件路径信息将不同文件数据写入不同的数据库表。

提供自定义处理采集数据功能，可以按照自己的要求将采集的数据处理到目的地，支持数据来源包括：database，elasticsearch，kafka，mongodb，hbase，file，ftp等，想把采集的数据保存到什么地方，由自己实现CustomOutPut接口处理即可。

Elasticsearch版本兼容性：支持各种Elasticsearch版本（1.x,2.x,5.x,6.x,7.x,+）之间相互数据迁移

导入bboss

一般项目导入下面的maven坐标即可：

  <dependency> <groupId>com.bbossgroups.plugins</groupId> <artifactId>bboss-elasticsearch-rest-jdbc</artifactId> <version>6.5.0</version> </dependency>

如果是spring boot项目还需要导入下面的maven坐标：

  <dependency> <groupId>com.bbossgroups.plugins</groupId> <artifactId>bboss-elasticsearch-spring-boot-starter</artifactId> <version>6.5.0</version> </dependency>

v6.5.0 功能改进

1. filelog插件添加子目录/ftp子目录/sftp子目录下日志文件采集功能

2. 对filelog插件文件选择过滤器FileFilter接口方法accept进行了重构，增加目录和文件区分标识对象FilterFileInfo，以适配本地目录、ftp和sftp三种场景，调整如下

   重构前

  public boolean accept(String parentDir,String fileName, FileConfig fileConfig)

重构后

  public boolean accept(FilterFileInfo filterFileInfo, //包含Ftp文件名称，文件父路径、是否为目录标识 FileConfig fileConfig)

使用案例

 fileConfit.setFileFilter(new FileFilter() {//指定ftp文件筛选规则 @Override public boolean accept(FilterFileInfo filterFileInfo, //包含Ftp文件名称，文件父路径、是否为目录标识 FileConfig fileConfig) { if(filterFileInfo.isDirectory())//由于要采集子目录下的文件，所以如果是目录则直接返回true，当然也可以根据目录名称决定哪些子目录要采集 return true; String name = filterFileInfo.getFileName(); //判断是否采集文件数据，返回true标识采集，false 不采集 boolean nameMatch = name.startsWith("731_tmrt_user_login_day_"); if(nameMatch){ String day = name.substring("731_tmrt_user_login_day_".length()); SimpleDateFormat format = new SimpleDateFormat("yyyyMMdd"); try { Date fileDate = format.parse(day); if(fileDate.after(startDate))//下载和采集2020年12月11日以后的数据文件 return true; } catch (ParseException e) { logger.error("",e); } } return false; } })

因此升级到6.5.0时需要对采集作业的FileFilter接口方法accept进行相应调整

3. db管理dsl mysql无法创建加载dsl问题处理
4. log4j2版本升级2.17.1、slfj版本升级1.7.32
5. 修复空行处理器Record问题：关闭key大写机制后，根据字段名称获取数据失效
6. 忽略mysql stream机制情况下获取rowid失败异常
7. 增加excel csv文件采集案例

https://github.com/bbossgroups/csv-dbhandle

https://gitee.com/bboss/csv-dbhandle

8. 优化运行容器工具，增加从环境变量、jvm属性配置检索mainclass功能

   默认使用org.frameworkset.elasticsearch.imp.DB2CSVFile作为作业主程序，

   如果设置了环境变量mainclassevn，则使用mainclassevn作为作业主程序

   环境变量名称不能和属性名称一致，否则报循环引用异常，并将原始值返回

   mainclass=#[mainclassevn:org.frameworkset.elasticsearch.imp.DB2CSVFile]

使用参考文档：

https://my.oschina.net/bboss/blog/469411

9. 升级mysql驱动版本号为8.0.28

10. 增加通用异步批处理组件

使用案例：

https://gitee.com/bboss/eshelloword-booter/blob/master/src/test/java/org/bboss/elasticsearchtest/bulkprocessor/PersistentBulkProcessor.java

使用文档

https://esdoc.bbossgroups.com/#/bulkProcessor-common