跳到主要内容
版本：2.3.10

FtpFile

Ftp文件数据接收器连接器

描述​

将数据输出到FTP。

:::提示

如果你使用Spark或Flink，为了使用这个连接器，你必须确保你的Spark或Flink集群已经集成了Hadoop。经测试的Hadoop版本是2.x版本。

如果你使用SeaTunnel引擎，在你下载并安装SeaTunnel引擎时，它会自动集成Hadoop的jar包。你可以查看${SEATUNNEL_HOME}/lib目录下的jar包来确认这一点。

:::

主要特性​

  • 精确一次

    默认情况下，我们使用两阶段提交（2PC）来确保精确一次

  • 文件格式

    • text
    • csv
    • parquet
    • orc
    • json
    • excel
    • xml
    • binary

选项​

名称类型是否必须默认值描述
hoststring是-
portint是-
userstring是-
passwordstring是-
pathstring是-
tmp_pathstring是/tmp/seatunnel结果文件将首先写入一个临时路径，然后使用 mv 命令将临时目录提交到目标目录。需要是一个FTP目录。
connection_modestring否active_local目标FTP连接模式
custom_filenameboolean否false是否需要自定义文件名
file_name_expressionstring否"${transactionId}"仅在 custom_filename 为 true 时使用
filename_time_formatstring否"yyyy.MM.dd"仅在 custom_filename 为 true 时使用
file_format_typestring否"csv"
filename_extensionstring否-用自定义的文件扩展名覆盖默认的文件扩展名。例如：.xml、.json、dat、.customtype
field_delimiterstring否'\001'仅在 file_format_type 为 text 时使用
row_delimiterstring否"\n"仅在 file_format_type 为 text 时使用
have_partitionboolean否false是否需要处理分区。
partition_byarray否-仅在 have_partition 为 true 时使用
partition_dir_expressionstring否"${k0}=${v0}/${k1}=${v1}/.../${kn}=${vn}/"仅在 have_partition 为 true 时使用
is_partition_field_write_in_fileboolean否false仅在 have_partition 为 true 时使用
sink_columnsarray否当此参数为空时，所有字段都是要写入的列
is_enable_transactionboolean否true
batch_sizeint否1000000
compress_codecstring否none
common-optionsobject否-
max_rows_in_memoryint否-仅在 file_format_type 为 excel 时使用。
sheet_namestring否Sheet${随机数}仅在 file_format_type 为 excel 时使用。
csv_string_quote_modeenum否MINIMAL仅在 file_format 为 csv 时使用。
xml_root_tagstring否RECORDS仅在 file_format 为 xml 时使用。
xml_row_tagstring否RECORD仅在 file_format 为 xml 时使用。
xml_use_attr_formatboolean否-仅在 file_format 为 xml 时使用。
single_file_modeboolean否false每个并行处理只会输出一个文件。当此参数开启时，batch_size 将不会生效。输出文件名不会有文件分块后缀。
create_empty_file_when_no_databoolean否false当上游没有数据同步时，仍然会生成相应的数据文件。
parquet_avro_write_timestamp_as_int96boolean否false仅在 file_format 为 parquet 时使用。
parquet_avro_write_fixed_as_int96array否-仅在 file_format 为 parquet 时使用。
enable_header_writeboolean否false仅在 file_format_type 为 text、csv 时使用。
false：不写入表头，true：写入表头。
encodingstring否"UTF-8"仅在 file_format_type 为 json、text、csv、xml 时使用。
schema_save_modestring否CREATE_SCHEMA_WHEN_NOT_EXIST现有目录处理方法
data_save_modestring否APPEND_DATA现有数据处理方法

host [string]​

目标FTP主机是必需的。

port [int]​

目标FTP端口是必需的。

user [string]​

目标FTP用户名是必需的。

password [string]​

目标FTP密码是必需的。

path [string]​

目标目录路径是必需的。

connection_mode [string]​

目标 FTP 连接模式是必需的，默认值为主动模式，支持以下几种模式：

active_local（本地主动模式） passive_local（本地被动模式）

custom_filename [boolean]​

是否自定义文件名

file_name_expression [string]​

仅当 custom_filename为 true时使用。

file_name_expression描述了将在 path中创建的文件表达式。我们可以在 file_name_expression 中添加变量 ${now}或 ${uuid}，例如 test_${uuid}_${now} 。

${now} 表示当前时间，其格式可以通过指定选项 filename_time_format来定义。

请注意，如果 is_enable_transaction为 true，我们将自动在文件名的开头添加 ${transactionId}_。

filename_time_format [string]​

仅当 custom_filename为 true时才会用到。

当 file_name_expression 参数中的格式为 xxxx-${now} 时，filename_time_format 可以指定路径的时间格式，其默认值为 yyyy.MM.dd 。常用的时间格式列举如下：

代表符号描述
yYear
MMonth
dDay of month
HHour in day (0-23)
mMinute in hour
sSecond in minute

file_format_type [string]​

我们支持以下文件类型：

text csv parquet orc json excel xml binary

请注意，最终的文件名将会以 file_format_type 的后缀结尾，文本文件的后缀是 txt。

field_delimiter [string]​

一行数据中各列之间的分隔符。仅 text文件格式需要用到。

row_delimiter [string]​

一行数据中各列之间的分隔符。仅在text文件格式中需要用到。

have_partition [boolean]​

你是否需要对分区进行处理。

partition_by [array]​

仅在 have_partition 为 true 时才使用。

根据选定的字段对数据进行分区。

partition_dir_expression [string]​

仅在 have_partition 为 true 时使用。

若指定了 partition_by，我们会根据分区信息生成相应的分区目录，最终文件将被放置在该分区目录中。

默认的 partition_dir_expression 为 ${k0}=${v0}/${k1}=${v1}/.../${kn}=${vn}/。其中，k0 是第一个分区字段，v0 是第一个分区字段的值。

is_partition_field_write_in_file [boolean]​

仅在 have_partition 为 true 时使用。

如果 is_partition_field_write_in_file 为 true，那么分区字段及其对应的值将被写入数据文件中。

例如，如果你想要写入一个 Hive 数据文件，该值（is_partition_field_write_in_file）应该设为 false。

sink_columns [array]​

哪些列需要写入文件，默认值是从 Transform 或 Source 获取的所有列。

字段的顺序决定了实际写入文件时的顺序。

is_enable_transaction [boolean]​

如果 is_enable_transaction为 true），我们将确保在数据写入目标目录时不会丢失或重复。

请注意，如果 is_enable_transaction 为 true，我们将自动在文件名开头添加 ${transactionId}_。

目前仅支持 true这一选项。

batch_size [int]​

一个文件中的最大行数。对于 SeaTunnel 引擎，文件中的行数由 batch_size 和 checkpoint.interval 共同决定。如果 checkpoint.interval 的值足够大，sink writer 会向一个文件中写入行，直到文件中的行数超过 batch_size。如果 checkpoint.interval 较小，当新的检查点触发时，sink writer 会创建一个新文件。

compress_codec [string]​

文件的压缩编解码器及其所支持的详细情况如下：

文件的压缩编解码器以及所支持的详细信息如下所示：

  • txt：lzo none

  • json：lzo none

  • csv：lzo none

  • orc：lzo snappy lz4 zlib none

  • parquet：lzo snappy lz4 gzip brotli zstd none `

    提示：Excel 类型不支持任何压缩格式。

common options​

Sink 插件的通用参数，请参考Sink通用选项了解详细信息。

max_rows_in_memory [int]​

当文件格式为Excel时，可在内存中缓存的数据项的最大数量。

sheet_name [string]​

写入工作簿的工作表。

csv_string_quote_mode [string]​

当文件格式为CSV时，CSV的字符串引号模式：

  • ALL（全部）：所有字符串字段都将被加上引号。
  • MINIMAL（最少）：仅对包含特殊字符（如字段分隔符、引号字符或行分隔字符串中的任何字符）的字段加上引号。
  • NONE（无）：从不对字段加引号。当数据中出现分隔符时，打印程序会在其前面加上转义字符。如果未设置转义字符，格式验证将抛出异常。

xml_root_tag [string]​

指定 XML 文件中根元素的标签名称。

xml_row_tag [string]​

指定 XML 文件中数据行的标签名称。

xml_use_attr_format [boolean]​

指定是否使用标签属性格式来处理数据。

parquet_avro_write_timestamp_as_int96 [boolean]​

支持从时间戳写入 Parquet 格式的 INT96 类型数据，仅对 Parquet 文件有效。

parquet_avro_write_fixed_as_int96 [array]​

支持从一个12字节的字段写入Parquet的INT96类型数据，仅对Parquet文件有效。

enable_header_write [boolean]​

仅当文件格式类型为文本或CSV时使用。 false：不写入表头，true：写入表头。

encoding [string]​

仅当文件格式类型为JSON、文本、CSV、XML时才使用。

要写入的文件的编码。此参数将由 Charset.forName(encoding) 方法进行解析。

schema_save_mode [string]​

现有目录处理方法：

  • RECREATE_SCHEMA（重新创建模式）：目录不存在时创建；目录存在时，删除并重新创建。
  • CREATE_SCHEMA_WHEN_NOT_EXIST（不存在时创建模式）：目录不存在时创建；目录存在时跳过处理
  • ERROR_WHEN_SCHEMA_NOT_EXIST（模式不存在时出错）：目录不存在时报告错误。
  • IGNORE（忽略）：忽略对该表的处理。

data_save_mode [string]​

现有数据处理方法：

  • DROP_DATA（删除数据）：保留目录，删除数据文件。
  • APPEND_DATA（追加数据）：保留目录和数据文件。
  • ERROR_WHEN_DATA_EXISTS（数据存在时报错）：当存在数据文件时，报告错误。

示例​

对于文本文件格式的简易配置 


FtpFile {
    host = "xxx.xxx.xxx.xxx"
    port = 21
    user = "username"
    password = "password"
    path = "/data/ftp"
    file_format_type = "text"
    field_delimiter = "\t"
    row_delimiter = "\n"
    sink_columns = ["name","age"]
}

对于带有 have_partition、custom_filename 和 sink_columns 的文本文件格式 


FtpFile {
    host = "xxx.xxx.xxx.xxx"
    port = 21
    user = "username"
    password = "password"
    path = "/data/ftp/seatunnel/job1"
    tmp_path = "/data/ftp/seatunnel/tmp"
    file_format_type = "text"
    field_delimiter = "\t"
    row_delimiter = "\n"
    have_partition = true
    partition_by = ["age"]
    partition_dir_expression = "${k0}=${v0}"
    is_partition_field_write_in_file = true
    custom_filename = true
    file_name_expression = "${transactionId}_${now}"
    sink_columns = ["name","age"]
    filename_time_format = "yyyy.MM.dd"
}

当我们的数据源端是多个表，并且希望将不同的数据按照不同的表达式存储到不同的目录时，我们可以按照这种方式进行配置。 


FtpFile {
    host = "xxx.xxx.xxx.xxx"
    port = 21
    user = "username"
    password = "password"
    path = "/data/ftp/seatunnel/job1/${table_name}"
    tmp_path = "/data/ftp/seatunnel/tmp"
    file_format_type = "text"
    field_delimiter = "\t"
    row_delimiter = "\n"
    have_partition = true
    partition_by = ["age"]
    partition_dir_expression = "${k0}=${v0}"
    is_partition_field_write_in_file = true
    custom_filename = true
    file_name_expression = "${transactionId}_${now}"
    sink_columns = ["name","age"]
    filename_time_format = "yyyy.MM.dd"
    schema_save_mode=RECREATE_SCHEMA
    data_save_mode=DROP_DATA
}

变更日志​

Change Log
ChangeCommitVersion
Revert " [improve] update localfile connector config" (#9018)https://github.com/apache/seatunnel/commit/cdc79e13a2.3.10
[improve] update localfile connector config (#8765)https://github.com/apache/seatunnel/commit/def369a852.3.10
[Improve][Connector-V2] Ensure that the FTP connector behaves reliably during directory operation (#8959)https://github.com/apache/seatunnel/commit/b5f0b43fc2.3.10
[Feature][Connector-V2] Add filename_extension parameter for read/write file (#8769)https://github.com/apache/seatunnel/commit/78b23c0ef2.3.10
[Improve] restruct connector common options (#8634)https://github.com/apache/seatunnel/commit/f3499a6ee2.3.10
[Feature][Connector-V2] Support create emtpy file when no data (#8543)https://github.com/apache/seatunnel/commit/275db78912.3.10
[Feature][Connector-V2] Support single file mode in file sink (#8518)https://github.com/apache/seatunnel/commit/e893deed52.3.10
[Improve][Connector-V2] Add some debug log when create dir in (S)FTP (#8286)https://github.com/apache/seatunnel/commit/8687bb8e92.3.9
[Feature][File] Support config null format for text file read (#8109)https://github.com/apache/seatunnel/commit/2dbf02df42.3.9
[Fix][Connector-V2][FTP] Fix FTP connector connection_mode is not effective (#7865)https://github.com/apache/seatunnel/commit/26c528a5e2.3.9
[Feature][Restapi] Allow metrics information to be associated to logical plan nodes (#7786)https://github.com/apache/seatunnel/commit/6b7c53d032.3.9
[Feature][Connector-V2]Ftp file source support multiple table (#7795)https://github.com/apache/seatunnel/commit/22fe27a3d2.3.9
[Improve][Connector-V2] Support read archive compress file (#7633)https://github.com/apache/seatunnel/commit/3f98cd8a12.3.8
[Feature][Connector-V2] Ftp file sink suport multiple table and save mode (#7665)https://github.com/apache/seatunnel/commit/4f812e12a2.3.8
[Improve][Files] Support write fixed/timestamp as int96 of parquet (#6971)https://github.com/apache/seatunnel/commit/1a48a9c492.3.6
[Feature][Connector-V2] Supports the transfer of any file (#6826)https://github.com/apache/seatunnel/commit/c1401787b2.3.6
Add support for XML file type to various file connectors such as SFTP, FTP, LocalFile, HdfsFile, and more. (#6327)https://github.com/apache/seatunnel/commit/ec533ecd92.3.5
[Feature][Connectors-v2-file-ftp] FTP source/sink add ftp connection mode (#6077) (#6099)https://github.com/apache/seatunnel/commit/f6bcc4d592.3.4
[Refactor][File Connector] Put Multiple Table File API to File Base Module (#6033)https://github.com/apache/seatunnel/commit/c324d663b2.3.4
Support using multiple hadoop account (#5903)https://github.com/apache/seatunnel/commit/d69d88d1a2.3.4
[Improve][Common] Introduce new error define rule (#5793)https://github.com/apache/seatunnel/commit/9d1b2582b2.3.4
[Improve][connector-file] unifiy option between file source/sink and update document (#5680)https://github.com/apache/seatunnel/commit/8d87cf8fc2.3.4
[Feature] Support LZO compress on File Read (#5083)https://github.com/apache/seatunnel/commit/a4a1901092.3.4
[Feature][Connector-V2][File] Support read empty directory (#5591)https://github.com/apache/seatunnel/commit/1f58f224a2.3.4
Support config column/primaryKey/constraintKey in schema (#5564)https://github.com/apache/seatunnel/commit/eac76b4e52.3.4
[Feature][File Connector]optionrule FILE_FORMAT_TYPE is text/csv ,add parameter BaseSinkConfig.ENABLE_HEADER_WRITE: #5566 (#5567)https://github.com/apache/seatunnel/commit/0e02db7682.3.4
[Feature][Connector V2][File] Add config of 'file_filter_pattern', which used for filtering files. (#5153)https://github.com/apache/seatunnel/commit/a3c13e59e2.3.3
[Feature][ConnectorV2]add file excel sink and source (#4164)https://github.com/apache/seatunnel/commit/e3b97ae5d2.3.2
Change file type to file_format_type in file source/sink (#4249)https://github.com/apache/seatunnel/commit/973a2fae32.3.1
Merge branch 'dev' into merge/cdchttps://github.com/apache/seatunnel/commit/4324ee1912.3.1
[Improve][Project] Code format with spotless plugin.https://github.com/apache/seatunnel/commit/423b583032.3.1
[improve][api] Refactoring schema parse (#4157)https://github.com/apache/seatunnel/commit/b2f573a132.3.1
[Improve][build] Give the maven module a human readable name (#4114)https://github.com/apache/seatunnel/commit/d7cd601052.3.1
[Improve][Project] Code format with spotless plugin. (#4101)https://github.com/apache/seatunnel/commit/a2ab166562.3.1
[Feature][Connector-V2][File] Support compress (#3899)https://github.com/apache/seatunnel/commit/55602f6b12.3.1
[Feature][Connector] add get source method to all source connector (#3846)https://github.com/apache/seatunnel/commit/417178fb82.3.1
[Improve][Connector-V2][File] Improve file connector option rule and document (#3812)https://github.com/apache/seatunnel/commit/bd76077662.3.1
[Feature][Shade] Add seatunnel hadoop3 uber (#3755)https://github.com/apache/seatunnel/commit/5a024bdf82.3.0
[Hotfix][OptionRule] Fix option rule about all connectors (#3592)https://github.com/apache/seatunnel/commit/226dc6a112.3.0
[Improve][Connector-V2][File] Unified excetion for file source & sink connectors (#3525)https://github.com/apache/seatunnel/commit/031e8e2632.3.0
[Feature][Connector-V2][File] Add option and factory for file connectors (#3375)https://github.com/apache/seatunnel/commit/db286e8632.3.0
[Improve][Connector-V2][File] Improve code structure (#3238)https://github.com/apache/seatunnel/commit/dd5c353882.3.0
[Connector-V2][ElasticSearch] Add ElasticSearch Source/Sink Factory (#3325)https://github.com/apache/seatunnel/commit/38254e3f22.3.0
[Core][Improve] Fix some sonar check error (#3240)https://github.com/apache/seatunnel/commit/8664bb53a2.3.0
[Improve][Connector-V2][File] Support parse field from file path (#2985)https://github.com/apache/seatunnel/commit/0bc12085c2.3.0-beta
[Improve][connector][file] Support user-defined schema for reading text file (#2976)https://github.com/apache/seatunnel/commit/1c05ee0d72.3.0-beta
[Improve][Connector] Improve write parquet (#2943)https://github.com/apache/seatunnel/commit/8fd9663942.3.0-beta
[Fix][Connector-V2] Fix HiveSource Connector read orc table error (#2845)https://github.com/apache/seatunnel/commit/61720306e2.2.0-beta
[Improve][Connector-V2] Improve read parquet (#2841)https://github.com/apache/seatunnel/commit/e19bc82f92.2.0-beta
[Imporve][Connector-V2] Refactor ftp sink & Add ftp file source (#2774)https://github.com/apache/seatunnel/commit/4aacbcdd12.2.0-beta
[Feature][File connector] Support ftp file sink (#2483)https://github.com/apache/seatunnel/commit/a87e5de802.2.0-beta