ListS3 2025.10.9.21¶
捆绑包¶
org.apache.nifi | nifi-aws-nar
描述¶
从 S3 桶中检索对象列表。对于列出的每个对象，创建一个代表该对象的 FlowFile，以便可以将其与 FetchS3Object 一起提取。该处理器仅在集群中的主节点上运行。如果主节点发生变化，新的主节点将从前一个节点中断的地方继续，而不是复制所有数据。
输入要求¶
FORBIDDEN
支持敏感的动态属性¶
false
属性¶
属性 |
描述 |
|---|---|
AWS 凭据提供商服务 |
用于获取 AWS 凭据提供商的控制器服务 |
桶 |
要与之交互的 S3 桶 |
通信超时 |
超时之前为与 AWS 建立连接或从 AWS 接收数据而等待的时间。 |
自定义签名器类名称 |
自定义签名器类的完全限定类名。签名器必须实现 com.amazonaws.auth.Signer 接口。 |
自定义签名器模块位置 |
以逗号分隔的文件和/或目录路径列表，这些文件和/或目录包含自定义签名器的 JAR 文件及其依赖关系（如果有）。 |
分隔符 |
用于分隔桶内目录的字符串。请查阅 AWS 文档以正确使用此字段。 |
端点替换 URL |
要使用的端点 URL 而不是 AWS 默认端点，包括架构、主机、端口和路径。AWS 库会根据 AWS 区域选择端点 URL，但此属性会替换所选端点 URL，允许与其他与 S3 兼容的端点一起使用。 |
Entity Tracking Initial Listing Target |
指定应如何处理初始列表。由“跟踪实体”策略使用。 |
Entity Tracking State Cache |
列出的实体存储在指定的缓存存储器中，这样该处理器在 NiFi 重启后或主节点发生更改时可以恢复列出。“跟踪实体”策略要求在最后一个“跟踪时间窗口”内提供所有列出的实体的跟踪信息。为了支持大量实体，该策略使用 DistributedMapCache 而非托管状态。缓存键格式为“ListedEntities::{processorId}(::{nodeId})”。如果它跟踪每个节点列出的实体，则会添加可选的“::{nodeId}”部分以单独管理状态。例如，集群范围缓存键 ='ListedEntities::8dda2321-0164-1000-50fa-3042fe7d6a7b'，每节点缓存键 ='ListedEntities::8dda2321-0164-1000-50fa-3042fe7d6a7b::nifi-node3' 存储的缓存内容是 Gzipped JSON 字符串。目标列表配置更改时，缓存键将被删除。由“跟踪实体”策略使用。 |
Entity Tracking Time Window |
指定该处理器应跟踪已列出的实体多长时间。“跟踪实体”策略可以选择时间戳在指定时间窗口内的任何实体。例如，如果设置为“30 分钟”，则在该处理器运行时，任何具有最近 30 分钟时间戳的实体都将成为列表目标。如果满足以下条件之一，则列出实体被视为“新的/已更新的”，并发出 FlowFile：1. 不存在于已列出的实体中；2. 具有比缓存实体更新的时间戳；3. 与缓存实体的大小不同。如果缓存实体的时间戳早于指定的时间窗口，则该实体将从缓存的已列出实体中移除。由“跟踪实体”策略使用。 |
列表类型 |
指定是使用原始列表对象还是较新的列表对象版本 2 端点。 |
列表批处理大小 |
如果不使用记录写入器，则此属性用于指定应在单次批处理中列出多少个 S3 对象。达到此数量后，已创建的 FlowFiles 将被传输出处理器。将此值设置得较低可能会通过在完整列表完成前发出 FlowFiles 来降低延迟。但是，这样会显著降低性能。较大的值可能需要更多内存来存储所有信息，然后再发出 FlowFiles。如果使用记录写入器，则此属性会被忽略，因为记录写入器的主要优点之一是能够将整个列表作为单个 FlowFile 发出。 |
列表策略 |
指定如何确定新的/更新的实体。有关详细信息，请参阅每种策略的描述。 |
对象最大存留时间 |
S3 对象可以考虑的最大时间范围；任何超过此时间（根据上次修改日期）的对象都将被忽略 |
对象最小存留时间 |
S3 对象可以考虑的最小时间范围；任何不足此时间（根据上次修改日期）的对象都将被忽略 |
前缀 |
用于筛选对象列表的前缀。请勿以正斜杠“/”开头。在大多数情况下，应当以正斜杠“/”结尾。 |
记录写入器 |
指定用于创建列表的记录写入器。如果未指定，则将为列出的每个实体创建一个 FlowFile。如果指定了记录写入器，则所有实体都将写入单个 FlowFile，而不是向单个 FlowFiles 添加属性。 |
区域 |
要连接的 AWS 区域。 |
请求者付费 |
如果为 true，则表示请求者同意支付与列出 S3 桶相关的任何费用。这会将“x-amz-request-payer”标头设置为“requester”。请注意，当“Use Versions”为“true”时，此设置不适用。 |
SSL Context Service |
指定可选的 SSL Context Service，如果提供该服务，将用于创建连接 |
签名器替换 |
默认情况下，AWS S3 库使用签名版本 4，但此属性允许您指定版本 2 签名器以支持较早的 S3 兼容服务，甚至可以插入自己的自定义签名器实现。 |
使用版本 |
指定是否使用 S3 版本（如果适用）。如果为 false，则仅返回每个对象的最新版本。 |
写入对象标签 |
如果设置为“True”，则与 S3 对象关联的标签将写入为 FlowFile 属性 |
写入用户元数据 |
如果设置为“True”，则用户定义的与 S3 对象关联的元数据将被添加到 FlowFile 属性/记录中 |
proxy-configuration-service |
指定代理配置控制器服务来代理网络请求。 |
状态管理¶
范围 |
描述 |
|---|---|
CLUSTER |
执行密钥列表后，系统将存储最新密钥的时间戳以及具有相同时间戳的其他密钥。这允许处理器在下次运行时，仅列出在此日期之后添加或修改的密钥。状态存储在整个集群中，因此该处理器只能在主节点上运行，如果选择了新的主节点，则新节点可以从前一个节点中断的地方继续，而无需复制数据。 |
关系¶
名称 |
描述 |
|---|---|
success |
FlowFiles 成功处理后，将路由到此关系。 |
写入属性¶
名称 |
描述 |
|---|---|
s3.bucket |
S3 桶的名称 |
s3.region |
S3 桶的区域 |
filename |
文件的名称 |
s3.etag |
可以用来查看文件是否已更改的 ETag |
s3.isLatest |
一个布尔值，表示这是否是对象的最新版本 |
s3.lastModified |
自 UTC 时间纪元以来的最后修改时间（以毫秒为单位） |
s3.length |
对象的大小（以字节为单位） |
s3.storeClass |
对象的存储类别 |
s3.version |
对象的版本（如果适用） |
s3.tag.___ |
如果“写入对象标签”设置为“True”，则与列出的 S3 对象关联的标签将作为 Flowfile 属性的一部分写入 |
s3.user.metadata.___ |
如果“写入用户元数据”设置为“True”，则与列出的 S3 对象关联的用户定义元数据将作为 Flowfile 属性的一部分写入 |