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"
  }
  }

• 添加 转换 配置，sql 比较灵活。
  函数列表请点击

  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。