开源数据集成平台SeaTunnel：MySQL实时同步到es
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
- 添加 env 配置
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"
}
- MySQL 实时同步，需开启 binlog
- 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'"
}
}
- 添加 输出 配置
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。
