seatunnel 2.3.1全流程部署使用教程

SeaTunnel是什么？

SeaTunnel下一代高性能、分布式、海量数据集成框架。SeaTunnel是一个非常易于使用的超高性能分布式数据集成平台，支持海量数据的实时同步。每天可以稳定高效地同步数百亿数据，已被近百家公司用于生产。

SeaTunnel的核心特性有哪些？

• 1.组件丰富(内置丰富插件,支持各种数据产品方便快捷的传输和集成数据)。

• 2.高扩展性(基于模块化和插件化设计,支持热插拔, 带来更好的扩展性)。

• 3.简单易用(特有的架构设计下,使得开发配置更简单,几乎零代码,无使用成本)。

• 4.成熟稳定(经历多家企业,大规模生产环境使用和海量数据的洗礼,稳定健壮)。

Seatunnel 2.3.1 部署使用

1 部署

1.1 下载解压

https://dlcdn.apache.org/incubator/seatunnel/2.3.1/apache-seatunnel-incubating-2.3.1-bin.tar.gz

下载完毕之后上传到服务器上面并解压

# 解压到了/opt/module目录下
tar -zxvf apache-seatunnel-incubating-2.3.1-bin.tar.gz -C /opt/module

1.2 下载对应的connector

在apache的仓库下载相应的connector,下载时每个jar包在不同的路径下面，放到/seatunnel-2.3.1/connectors/seatunnel目录下

https://repo.maven.apache.org/maven2/org/apache/seatunnel/

connector-assert-2.3.1.jar
connector-cdc-mysql-2.3.1.jar
connector-console-2.3.1.jar # 自带的
connector-doris-2.3.1.jar
connector-elasticsearch-2.3.1.jar
connector-fake-2.3.1.jar # 自带的
connector-file-hadoop-2.3.1.jar
connector-file-local-2.3.1.jar
connector-hive-2.3.1.jar
connector-iceberg-2.3.1.jar
connector-jdbc-2.3.1.jar
connector-kafka-2.3.1.jar
connector-redis-2.3.1.jar

配置安装seatunnel的插件

vim  seatunnel-2.3.1/config/plugin_config

调用安装脚本的时候会在maven的中央仓库下载对应的jar包，尽量少放，下载太慢了,我放了这些

--connectors-v2--
connector-assert
connector-cdc-mysql
connector-jdbc
connector-fake
connector-console
--end--

1.3 安装seatunnel

sh bin/install-plugin.sh 2.3.1

整个过程非常慢…应该是从maven中央仓库下载东西

1.4 补充一些jar包

使用hive的话需要将这两个jar放入到seatunnel-2.3.1/lib目录下：

hive-exec-2.3.9.jar
# 下载链接
# https://repo.maven.apache.org/maven2/org/apache/hive/hive-exec/2.3.9/hive-exec-2.3.9.jar
# 注意这里是hive-exec-2.3.9.jar，不要从你的hive的lib目录下拷贝最新的jar包，就用这个
seatunnel-hadoop3-3.1.4-uber-2.3.1.jar  
# 下载链接
# https://repo.maven.apache.org/maven2/org/apache/seatunnel/seatunnel-hadoop3-3.1.4-uber/2.3.1/seatunnel-hadoop3-3.1.4-uber-2.3.1.jar  
seatunnel-hadoop3-3.1.4-uber-2.3.1-optional.jar
# 下载链接
# hhttps://repo.maven.apache.org/maven2/org/apache/seatunnel/seatunnel-hadoop3-3.1.4-uber/2.3.1/seatunnel-hadoop3-3.1.4-uber-2.3.1-optional.jar

中间由于其他缘故我拷贝了一个hive框架/lib目录下的libfb303-0.9.3.jar放到seatunnel的lib目录下了。

• 使用mysql的话需要将mysql的驱动拷贝过来，应该是需要8系列的mysql驱动，我这里使用的是mysql-connector-java-8.0.21.jar

2 测试样例

2.1 官方demo fake to console

seatunnel-2.3.1/config/v2.batch.config.template

env {
 execution.parallelism = 2
 job.mode = "BATCH"
 checkpoint.interval = 10000
}
source {
 FakeSource {
   parallelism = 2
   result_table_name = "fake"
   row.num = 16
   schema = {
     fields {
       name = "string"
       age = "int"
     }
   }
 }
}
sink {
 Console {
 }
}

运行命令

cd /opt/module/seatunnel-2.3.1
./bin/seatunnel.sh --config ./config/v2.batch.config.template -e lcoal

运行成功的话会可以在console看到打印的测试数据

2.2 mysql to console

我新建了一个用来放运行配置的目录/opt/module/seatunnel-2.3.1/job

vim mysql_2console.conf

mysql_2console.conf

env {
 execution.parallelism = 2
 job.mode = "BATCH"
 checkpoint.interval = 10000
}
source{
   Jdbc {
       url = "jdbc:mysql://hadoop102/dim_db?useUnicode=true&characterEncoding=utf8&useSSL=false"
       driver = "com.mysql.cj.jdbc.Driver"
       connection_check_timeout_sec = 100
       user = "root"
       password = "xxxxxx"
       query = "select * from dim_basicdata_date_a_d where date < '2010-12-31'"
   }
}
sink {
   Console {
   }
}

查询的是一张日期维表的数据

建表语句：

CREATE DATABASE dim_db DEFAULT CHARACTER SET utf8 DEFAULT COLLATE utf8_general_ci;
drop table if exists  dim_db.dim_basicdata_date_a_d;
create table if not exists dim_db.dim_basicdata_date_a_d
(
   `date`          varchar(40) comment '日期',
   `year`          varchar(40) comment '年',
   `quarter`       varchar(40) comment '季度（1/2/3/4）',
   `season`        varchar(40) comment '季节（春季/夏季/秋季/冬季）',
   `month`         varchar(40) comment '月',
   `day`           varchar(40) comment '日',
   `week`          varchar(40) comment '年内第几周',
   `weekday`       varchar(40) comment '周几（1-周一/2-周二/3-周三/4-周四/5-周五/6-周六/7-周日）',
   `is_workday`    varchar(40) comment '是否是工作日（1-是,0-否）',
   `date_type`     varchar(40) comment '节假日类型（工作日/法定上班[调休]/周末/节假日）',
   `update_date`   varchar(40) comment '更新日期'
);

可以自己插入几条数据试试

运行命令

cd /opt/module/seatunnel-2.3.1
./bin/seatunnel.sh --config ./job/mysql_2console.conf  -e local

2.3 hive to console

创建一张hive表

CREATE database db_hive;
drop table if exists  db_hive.dim_basicdata_date_a_d;
create table if not exists db_hive.dim_basicdata_date_a_d
(
   `date`          string comment '日期',
   `year`          string comment '年',
   `quarter`       string comment '季度（1/2/3/4）',
   `season`        string comment '季节（春季/夏季/秋季/冬季）',
   `month`         string comment '月',
   `day`           string comment '日',
   `week`          string comment '年内第几周',
   `weekday`       string comment '周几（1-周一/2-周二/3-周三/4-周四/5-周五/6-周六/7-周日）',
   `is_workday`    string comment '是否是工作日（1-是,0-否）',
   `date_type`     string comment '节假日类型（工作日/法定上班[调休]/周末/节假日）',
   `update_date`   string comment '更新日期'
);

自行插入几条数据

创建配置文件hive_2console.conf

env {
 execution.parallelism = 2
 job.mode = "BATCH"
 checkpoint.interval = 10000
}
source{
 Hive {
   table_name = "db_hive.dim_basicdata_date_a_d"
   metastore_uri = "thrift://hadoop102:9083"
 }
}
sink {
   Console {
   }
}

这里我使用的hive连接方式是jdbc访问元数据，所以metastore_uri = "jdbc:hive2://hadoop102:10000"也可以正常使用。

hive-site.xml修改配置文件,有可能你已经配置好了

<!-- 为了方便连接，采用直连的方式连接到hive数据库，注释掉下面三条配置信息 -->
   <!-- 指定存储元数据要连接的地址 -->
       <property>
       <name>hive.metastore.uris</name>
       <value>thrift://hadoop102:9083</value>
   </property>
   <!-- 指定 hiveserver2 连接的 host -->
   <property>
       <name>hive.server2.thrift.bind.host</name>
       <value>hadoop102</value>
   </property>
   <!-- 指定 hiveserver2 连接的端口号 -->
   <property>
       <name>hive.server2.thrift.port</name>
       <value>10000</value>
   </property>

运行命令

cd /opt/module/seatunnel-2.3.1
./bin/seatunnel.sh --config ./job/hive_2console.conf -e local

2.4 mysql to hive

创建配置文件

dim_basicdate_mysql_2hive.conf

env {
 execution.parallelism = 2
 job.mode = "BATCH"
 checkpoint.interval = 10000
}
source{
   Jdbc {
       url = "jdbc:mysql://hadoop102/dim_db?useUnicode=true&characterEncoding=utf8&useSSL=false"
       driver = "com.mysql.cj.jdbc.Driver"
       connection_check_timeout_sec = 100
       user = "root"
       password = "111111"
       query = "select * from dim_basicdata_date_a_d"
   }
}
sink {
   Hive {
       table_name = "db_hive.dim_basicdata_date_a_d"
       metastore_uri = "thrift://hadoop102:9083"
   }
}

运行命令

cd /opt/module/seatunnel-2.3.1
./bin/seatunnel.sh --config ./job/dim_basicdate_mysql_2hive.conf-e local

来源：https://blog.csdn.net/QJQJLOVE/article/details/130794122