FlowLoom：基于 Apache Spark 的可视化数据处理平台

文章目录

• • 人工备注说明
  • 一、项目简介
  • 二、架构设计
  • • [2.1 flow-model --- 数据模型层](#2.1 flow-model — 数据模型层)
    • [2.2 flow-client --- 可视化设计器](#2.2 flow-client — 可视化设计器)
    • [2.3 flow-script --- Spark 执行引擎](#2.3 flow-script — Spark 执行引擎)
    • [2.4 子进程通信协议](#2.4 子进程通信协议)
  • 三、扩展机制
  • • [3.1 自定义 Map 函数](#3.1 自定义 Map 函数)
    • [3.2 自定义 Filter 函数](#3.2 自定义 Filter 函数)
  • 四、技术栈总览
  • 五、设计亮点
  • 六、总结
  • 七、运行效果
  • • [7.1 使用的测试数据](#7.1 使用的测试数据)
    • [7.2 配置文件数据源节点](#7.2 配置文件数据源节点)
    • [7.3 配置Spark Map节点](#7.3 配置Spark Map节点)
    • [7.4 配置Spark Filter节点](#7.4 配置Spark Filter节点)
    • [7.5 配置Spark SQL节点](#7.5 配置Spark SQL节点)
    • [7.6 配置DB导出节点](#7.6 配置DB导出节点)
    • [7.7 执行完成后，数据表的数据](#7.7 执行完成后，数据表的数据)

人工备注说明

• 开发工具Claude Code + （火山方舟）glm-5.1/deepseek v4 pro；
• 这个项目完全使用Claude Code开发，大概2天左右完成；大概2小时完成70%代码，剩下30%代码经过多次测试和提示词进行微调完成。
• 这篇文章也是使用Claude Code编写；
• 注意：这个应用只进行简单测试，未覆盖所有场景，可能存在异常的情况，文末提供源码供学习研究！

一、项目简介

FlowLoom 是一个可视化数据处理桌面工具，旨在让数据分析师和开发人员无需编写复杂的 Spark 代码，通过拖拽方式即可设计并执行数据处理流程。

核心工作流：用户通过 Swing GUI 设计数据处理流程图 → 保存为 XML 文件 → Apache Spark 引擎分布式执行。

支持的数据处理能力：

类别	节点类型	说明
数据源	文件数据源	支持 Excel / CSV / TXT 文件读取
数据源	数据库数据源	支持 MySQL、Oracle 等关系型数据库
转换	Map 映射	通过自定义 Java 类实现字段级转换
转换	Filter 过滤	按条件筛选数据行
转换	SQL 查询	使用 SQL 语句进行数据查询与聚合
输出	CSV 导出	结果导出为 CSV 文件
输出	Excel 导出	结果导出为 Excel 文件
输出	数据库导出	结果写入 MySQL 等数据库表

二、架构设计

FlowLoom 采用 Maven 多模块架构，分为三个子模块，依赖关系清晰：

flow-model（共享数据模型，无 UI/Spark 依赖）
    ↑              ↑
flow-client     flow-script
(Swing GUI)     (Spark 引擎)

2.1 flow-model --- 数据模型层

定义流程图的领域模型，是 client 和 script 之间唯一的共享契约。核心类包括：

• FlowGraph：流程图顶层容器，包含节点列表和边列表，内置拓扑排序算法
• FlowNode：流程节点，包含类型、坐标位置和属性键值对
• FlowEdge：有向边，连接源节点和目标节点
• FlowProperty：节点属性的键值对模型
• NodeType：枚举所有节点类型，分为 SOURCE / TRANSFORM / SINK 三大类别

所有模型类使用 Jackson XML 注解进行序列化，生成的 XML 文件兼具可读性和可移植性：

<flow name="数据处理流程" type="FILE" version="1.0">
  <nodes>
    <node id="n1" type="FILE_SOURCE" x="70" y="110">
      <property name="filePath" value="data/input.csv"/>
      <property name="fileType" value="CSV"/>
    </node>
    <node id="n2" type="FILTER" x="270" y="110">
      <property name="filterClass" value="TestFilter"/>
    </node>
    <node id="n3" type="CSV_EXPORT" x="470" y="110">
      <property name="filePath" value="data/output.csv"/>
    </node>
  </nodes>
  <edges>
    <edge id="e1" source="n1" target="n2"/>
    <edge id="e2" source="n2" target="n3"/>
  </edges>
</flow>

2.2 flow-client --- 可视化设计器

基于 Java Swing 构建的桌面应用，技术选型精巧：

• FlatLaf：现代化 Swing 主题，提供原生感的界面体验
• JGraphX (mxGraph)：流程图绘制引擎，支持拖拽、连线、缩放等交互
• RSyntaxTextArea：代码编辑器组件，用于 SQL 和自定义代码编辑
• zt-exec：子进程管理库，用于启动 flow-script 执行引擎

界面布局采用经典的分割面板设计：

MainFrame
├── FlowMenuBar（菜单栏）
├── TaskListPanel（左侧任务列表）
└── JTabbedPane（右侧多标签页编辑器）
    └── TaskTabPanel（单个任务编辑器）
        ├── NodeToolbarPanel / ActionToolbarPanel（工具栏）
        ├── FlowCanvasPanel（流程画布）
        │   ├── FlowGraphAdapter（模型桥接层）
        │   ├── FlowGraphComponent（mxGraph 组件）
        │   └── FlowGraphStyles（样式定义）
        ├── PropertiesPanel（属性面板，CardLayout 切换）
        │   ├── FileSourcePropertiesPanel
        │   ├── MapPropertiesPanel
        │   ├── FilterPropertiesPanel
        │   ├── SqlPropertiesPanel
        │   ├── CsvExportPropertiesPanel
        │   ├── ExcelExportPropertiesPanel
        │   └── DbExportPropertiesPanel
        └── ExecutionLogPanel（运行日志面板）

其中 FlowGraphAdapter 是关键的桥接层，负责将 FlowGraph 模型对象与 mxGraph 可视化组件进行双向同步------用户在画布上的拖拽、连线、属性编辑操作都会实时反映到模型中，反之亦然。

2.3 flow-script --- Spark 执行引擎

执行引擎是整个平台的计算核心，采用经典的管道（Pipeline）模式：

MainSparkFlow
  → FlowParser（解析 XML 为 FlowGraph）
    → PipelinePlan（拓扑排序，生成执行计划）
      → PipelineExecutor（遍历执行计划）
        → FlowOperator（算子分发执行）

FlowParser 负责验证并解析 XML 流程文件，生成 FlowGraph 领域对象。

PipelinePlan 对 FlowGraph 执行拓扑排序，计算出无环依赖的执行顺序。如果流程图中存在循环依赖，会直接抛出异常阻止执行。

PipelineContext 作为运行时上下文，持有 SparkSession 和各节点输出的 DataFrame，节点间通过 context 传递数据。

PipelineExecutor 内部维护一个 EnumMap<NodeType, FlowOperator> 的算子注册表，按执行顺序依次调用对应算子：

public class PipelineExecutor {
    private final Map<NodeType, FlowOperator> operators = new EnumMap<>(NodeType.class);

    public PipelineExecutor() {
        registerOperator(new FileSourceOperator());
        registerOperator(new DbSourceOperator());
        registerOperator(new MapOperator());
        registerOperator(new FilterOperator());
        registerOperator(new SqlOperator());
        registerOperator(new CsvExportOperator());
        registerOperator(new ExcelExportOperator());
        registerOperator(new DbExportOperator());
    }

    public void execute(PipelinePlan plan, PipelineContext ctx) throws Exception {
        for (FlowNode node : plan.getExecutionOrder()) {
            FlowOperator operator = operators.get(node.getType());
            operator.execute(ctx, node);
        }
    }
}

所有算子实现统一的 FlowOperator 接口------仅两个方法：getSupportedType() 声明支持的节点类型，execute() 执行具体逻辑。这种设计使得新增算子类型只需实现接口并注册即可，完全符合开闭原则。

2.4 子进程通信协议

flow-client 通过 ProcessBuilder 启动 flow-script 作为子进程执行。两者通过 stdout 的按行文本协议进行通信：

协议消息	含义
[LOG] message	普通日志消息
[ERROR] message	错误消息
[PROGRESS] nodeId percent	节点执行进度
[COMPLETE]	流程执行成功
[FAILED] message	流程执行失败

flow-script 的 Log4j2 配置中专门设置了 Protocol appender，使用 %msg%n 格式确保协议消息不带时间戳前缀地输出到 stdout，供 flow-client 的 ProcessOutputConsumer 解析并展示在日志面板中。

三、扩展机制

3.1 自定义 Map 函数

Map 节点通过 mapClass 属性指定自定义转换类。用户只需继承 MapFormat 基类并实现转换逻辑：

public class DateFormatMap extends MapFormat {
    @Override
    public Row map(Row row) {
        // 对每一行数据进行自定义转换
        return row;
    }
}

运行时通过反射实例化 com.penngo.flowloom.script.map.{className}，实现了插件化的扩展机制。

3.2 自定义 Filter 函数

类似 Map，Filter 节点通过 filterClass 属性指定过滤类，继承 FilterFormat 或使用模板类 TemplateFilter，在 GUI 中直接编写过滤表达式。

四、技术栈总览

技术	版本	用途
Java	17	主语言
Apache Spark	4.1.1	分布式计算引擎
Jackson XML	2.20.0	XML 序列化
Apache POI	5.4.1	Excel 读写
FlatLaf	---	Swing 现代化主题
JGraphX	---	流程图可视化
Log4j2	2.20.0	日志框架
Lombok	1.18.42	减少样板代码
MySQL Connector	8.3.0	数据库连接
Hutool	5.8.44	通用工具库
LangChain4j	1.12.2	AI 能力集成（预留）

五、设计亮点

1. 模型驱动架构：flow-model 作为单一数据源，GUI 和引擎共享同一套模型定义，避免了数据不一致问题

2. 算子插件化 ：通过 FlowOperator 接口 + EnumMap 注册表实现算子的热插拔，新增节点类型无需修改执行器核心代码

3. 拓扑排序执行：自动计算 DAG 的执行顺序并检测循环依赖，保证流程的正确性

4. 进程隔离执行：GUI 与 Spark 引擎运行在不同 JVM 进程中，通过文本协议通信，避免了 Spark 依赖污染 GUI 进程，也便于资源隔离和崩溃恢复

5. 编码兼容处理：针对 Spark CSV 不支持 GBK 的问题，FileSourceOperator 会自动检测编码并进行转码

6. 属性泛化设计 ：节点属性以 List<FlowProperty> 键值对存储而非强类型字段，保证 XML 格式的向前兼容性和可扩展性

六、总结

FlowLoom 是一个设计精巧的数据处理平台，它巧妙地将低代码可视化 理念与 Apache Spark 分布式计算能力结合起来。通过清晰的模块划分、插件化的算子体系和简洁的子进程通信协议，在保持架构灵活性的同时降低了使用门槛。

无论是日常的数据 ETL 任务，还是需要快速搭建数据处理管道的场景，FlowLoom 都能提供一个直观高效的解决方案。

七、运行效果

7.1 使用的测试数据

7.2 配置文件数据源节点

7.3 配置Spark Map节点

7.4 配置Spark Filter节点

7.5 配置Spark SQL节点

7.6 配置DB导出节点

7.7 执行完成后，数据表的数据

FlowLoom源码