一、前言
- 最近,项目有几个表要从 MySQL 实时同步到 另一个 MySQL,也有同步到 ElasticSearch 的。
- 目前,公司生产环境同步,用的是 阿里云的 DTS,每个同步任务每月 500多元,有点小贵。
- 其他环境:MySQL同步到ES,用的是 CloudCanal,不支持 数据转换,添加同步字段比较麻烦,社区版限制5个任务,不够用;MySQL同步到MySQL,用的是 debezium,不支持写入 ES。
- 恰好3年前用过 SeaTunnel 的 前身 WaterDrop,那就开始吧。本文以 2.3.1 版本,Ubuntu 系统为例
二、开源数据集成平台SeaTunnel
1. 简介
- SeaTunnel 是 Apache 软件基金会下的一个高性能开源大数据集成工具,为数据集成场景提供灵活易用、易扩展并支持千亿级数据集成的解决方案。
- Seaunnel 为实时(CDC)和批量数据提供高性能数据同步能力,支持十种以上数据源,已经在B站、腾讯云、字节等数百家公司使用。
- 可以选择 SeaTunnel Zeta 引擎上运行,也可以在 Apache Flink 或 Spark 引擎上运行。
2. 安装
下载,这里选择 2.3.1 版本,执行 tar -xzvf apache-seatunnel-*.tar.gz 解压缩
因为 2.3.2 版本,MySQL-CDC 找不到驱动,bug修复详见
Caused by: java.sql.SQLException: No suitable driver at java.sql/java.sql.DriverManager.getDriver(DriverManager.java:298) at com.zaxxer.hikari.util.DriverDataSource.<init>(DriverDataSource.java:106) ... 20 more ... 11 more at org.apache.seatunnel.engine.client.job.ClientJobProxy.waitForJobComplete(ClientJobProxy.java:122) at org.apache.seatunnel.core.starter.seatunnel.command.ClientExecuteCommand.execute(ClientExecuteCommand.java:181)
3. 安装 connectors 插件
- 执行 bash bin/install-plugin.sh,国内建议先配置
maven
镜像,不然容易失败 或者 慢 - 官方文档写着执行 sh bin/install-plugin.sh,我在 Ubuntu 20.04.2 LTS 上执行报错(bin/install-plugin.sh: 54: Bad substitution),我提了PR
4. 编写配置文件
config 目录下,新建配置文件:如 mysql-es-test.conf
因为是 实时同步,这里 job.mode = "STREAMING"*,execution.parallelism 是 并发数
env { # You can set flink configuration here execution.parallelism = 1 job.mode = "STREAMING" checkpoint.interval = 2000 #execution.checkpoint.interval = 10000 #execution.checkpoint.data-uri = "hdfs://localhost:9000/checkpoint" }
添加 数据源 配置 result_table_name 取个 临时表名,便于后续使用。table-names 必须是 数据库.表名,base-url 必须指定 数据库。
startup.mode 默认是 INITIAL,先同步历史数据,后增量同步,详情点击source { MySQL-CDC { result_table_name = "t1" server-id = 5656 username = "root" password = "pwd" table-names = ["db.t1"] base-url = "jdbc:mysql://host:3306/db" } }
-
transform { Sql { source_table_name = "t1" query = "SELECT id, alias_name aliasName FROM t1 WHERE c1 = '1'" } }
CDC 实时同步 es,必须配置 primary_keys*
sink { Elasticsearch { hosts = ["host:9200"] username = "elastic" password = "pwd" index = "index_t1" # cdc required options primary_keys = ["id"] } }
最终配置截图
5. 启动任务
这里以 本地模式为例,另有 集群、spark、flink 模式。
./bin/seatunnel.sh -e local --config ./config/mysql-es-test.conf
三、总结
- 开源数据集成平台SeaTunnel 能够比较方便的进行 MySQL 实时同步到 es 等,免费,还方便添加 同步字段。更多强大功能,请看官方文档。
- 新版本自带 同步引擎,不用依赖 spark、flink 等运行,降低了 小数据量同步场景 部署复杂度
- 新版本开始提供 UI界面,目前强依赖 调度平台 Apache DolphinScheduler
本文遵守【CC BY-NC】协议,转载请保留原文出处及本版权声明,否则将追究法律责任。
本文首先发布于 https://www.890808.xyz/ ,其他平台需要审核更新慢一些。