Apache SeaTunnel On SparkEngine 集成CDP

随着数据处理需求的日益增长，选择一个高效、灵活的数据处理工具变得尤为关键。SeaTunnel，作为一个开源的数据集成工具，不仅支持多种数据处理引擎，还提供了丰富的连接器和灵活的数据同步方案。

本文将详细介绍 SeaTunnel 的优势和部署流程，帮助开发者和数据科学家快速上手，提升数据处理的效率和灵活性。

一、SeaTunnel优势

1、丰富且可扩展的连接器
2、连接器插件
3、流批集成，支持实时数据同步也支持离线数据同步
4、JDBC多路复用
5、多引擎支持。支持SeaTunnel原生引擎、Spark引擎、Flink引擎。
6、高吞吐量和低延迟
7、完善的实时监控
8、支持两种作业开发方法:编码和画布设计。

file

二、SeaTunnel部署：

export version="2.3.5"
wget "https://archive.apache.org/dist/seatunnel/${version}/apache-seatunnel-${version}-bin.tar.gz"
tar -xzvf "apache-seatunnel-${version}-bin.tar.gz"

安装插件

sh bin/install-plugin.sh

部署后的目录结构：

file

三、对接Spark引擎

修改config目录的seatunnel-env.sh文件的SPARK_HOME配置，指向Spark的Home目录。

file

四、配置SeaTunnel任务

创建 config/v2.mysql.config 任务配置文件。

读取127.0.0.1数据库的lhotsetest.lb\_task\_run表，并通过控制台输出。

env {
  parallelism = 1
  job.mode = "BATCH"
}
source {
    Jdbc {
        url = "jdbc:mysql://127.0.0.1:3306/lhotsetest?serverTimezone=GMT%2b8"
        driver = "com.mysql.cj.jdbc.Driver"
        connection_check_timeout_sec = 100
        user = ""
        password = ""
        table_path = "lhotsetest.lb_task_run"
        query = "select * from lhotsetest.lb_task_run"
        split.size = 10000
    }
}

sink {
  Console {}
}

五、SeaTunnel集成CDP，基于Yarn进行任务资源管理：

通过Spark On Yarn的方式进行提交。

(1)进行keytab认证 --keytab /dir1/dir2/user.keytab --principal user@COM

(2)通过yarn集群模式进行提交 --master yarn --deploy-mode cluster

(3)指定任务配置文件 --config ./config/v2.mysql.config

./bin/start-seatunnel-spark-2-connector-v2.sh --keytab /dir1/dir2/user.keytab --principal user@COM --master yarn --deploy-mode cluster --config ./config/v2.mysql.config

提交后任务在大数据平台可以看到任务的状态：

file