作者 | Shawn Gordon

翻譯 | Debra Chen

原文鏈接 | What the Heck is Apache SeaTunnel?

我在2023年初開始注意到Apache SeaTunnel的相關(guān)討論，一直低調(diào)地關(guān)注著。該項目始于2017年，最初名為Waterdrop，在Apache DolphinScheduler的創(chuàng)建者的貢獻下發(fā)展起來，后者支持SeaTunnel作為任務(wù)插件。

我最初對于SeaTunnel是什么以及為什么我會關(guān)心它感到困惑。這意味著我將在至少能回答我的這些問題的層面上，對Apache SeaTunnel有一個深度的介紹。那么，讓我們開始吧。

什么是SeaTunnel？

Apache SeaTunnel的項目介紹是“一個高性能的、分布式的、大規(guī)模數(shù)據(jù)集成工具，提供了異構(gòu)數(shù)據(jù)集成和數(shù)據(jù)同步的一體化解決方案?！彼ㄈ齻€主要組件：

• 源連接器
• 轉(zhuǎn)換連接器
• 目標(biāo)連接器

許多源連接器（Connector）可供選擇；在版本2.3.3中，可用的連接器如鏈接所示。它支持包括關(guān)系型、NoSQL和圖形等格式，以及分布式文件系統(tǒng)（如HDFS）和對象存儲（如S3）等。

如果源和目標(biāo)之間的格式不同，則轉(zhuǎn)換連接器（Transform Tonnector）會發(fā)揮作用，實質(zhì)上它就是對數(shù)據(jù)進行映射。

目標(biāo)連接器（Sink）是源的另一側(cè)，但現(xiàn)在你是在寫入數(shù)據(jù)而不是讀取。截至本文撰寫時，SeaTunnel聲明已支持超過100個連接器。

有了這些組件，SeaTunnel可以解決數(shù)據(jù)集成和同步中常見的問題。因此，它提供了實時和批處理數(shù)據(jù)的高性能數(shù)據(jù)同步。文章稱它可以“實時同步數(shù)十億數(shù)據(jù)量”。雖然我不確定是什么意思，但考慮到像阿里巴巴這樣的公司在使用它，它的速度可能非?？臁?/p>

SeaTunnel的特性

我對系統(tǒng)中的連接器API功能印象深刻。正如前面所述，Apache SeaTunnel已有超過100個預(yù)先構(gòu)建的連接器，但如果需要其他連接器，你可以創(chuàng)建自己的連接器。這些連接器不與特定的執(zhí)行引擎綁定，而可以使用Flink、Spark或本地的SeaTunnel引擎。連接器的插件架構(gòu)讓我想起了Trino的生態(tài)系統(tǒng)。

數(shù)據(jù)可以以批處理或?qū)崟r方式同步，并提供了各種同步選項。SeaTunnel一個很棒的特性是它可以與JDBC已配合工作，支持多表或整個數(shù)據(jù)庫的同步。這就解決了CDC多表同步方案的需求。

SeaTunnel的運行時流程如下所示：

• 配置作業(yè)信息并選擇執(zhí)行引擎。
• 源連接器并行讀取數(shù)據(jù)，并將其傳遞到轉(zhuǎn)換器、目標(biāo)連接器或直接傳遞到目標(biāo)。

請記住，SeaTunnel是一個EL(T)集成平臺，因此它只能自行進行基本的數(shù)據(jù)轉(zhuǎn)換：

• 更改列中的數(shù)據(jù)大小寫
• 更改列名
• 將一列拆分為多列

SeaTunnel job

SeaTunnel job，或配置文件可能由四個部分組成：env、source、transform和sink。如果不執(zhí)行轉(zhuǎn)換，則可以忽略transform部分。配置文件可以采用hocon或json格式編寫。從SeaTunnel文檔中借鑒，以下是hocon格式的簡單示例：

Copy code
env {
 job.mode = "BATCH"
}
source {
 FakeSource {
 result_table_name = "fake"
 row.num = 100
 schema = {
 fields {
 name = "string"
 age = "int"
 card = "int"
 }
 }
 }
}
transform {
 Filter {
 source_table_name = "fake"
 result_table_name = "fake1"
 fields = [name, card]
 }
}
sink {
 Clickhouse {
 host = "clickhouse:8123"
 database = "default"
 table = "seatunnel_console"
 fields = ["name", "card"]
 username = "default"
 password = ""
 source_table_name = "fake1"
 }
}

雖然格式非常易于閱讀和理解，但我可以看出，對于大型表格，它可能會變得相當(dāng)復(fù)雜。我要在此評論一下，就像許多開源項目一樣，SeaTunnel的文檔相當(dāng)缺乏，但據(jù)我觀察的時間，該項目似乎有一個相當(dāng)活躍的Slack頻道。

SeaTunnel使用要求

它是一個Java系統(tǒng)，支持Java 8或Java 11版本，但應(yīng)該與較舊的系統(tǒng)兼容。如果你已經(jīng)安裝了Java，則只需從其網(wǎng)站獲取所需的插件（或編寫自己的插件），并在配置文件中進行設(shè)置。之后，按照上文所述創(chuàng)建用于管理作業(yè)的配置文件。只要你有訪問源和目標(biāo)數(shù)據(jù)存儲庫的憑據(jù)，控制臺就會提供反饋信息。

Apache SeaTunnel還提供了Web界面，供那些想要替代CLI的用戶選擇。這將是我個人使用這個系統(tǒng)的首選方式，因為它的可視性更好，但安裝和使用也需要更多的步驟。

總結(jié)

SeaTunnel顯然適用于某些場景，就我目前所看到的情況而言，在處理各種數(shù)據(jù)源和目標(biāo)的大量數(shù)據(jù)時，它才會發(fā)揮作用。我完全可以預(yù)見，SeaTunnel還將在很多場景中讓事情變得更簡單，所以我會把這個項目放在我的工具箱里。SeaTunnel團隊提供了一個很好的快速入門指南，幫助用戶可以輕松地自行嘗試，看看它是否能解決你的問題吧！

本文由 白鯨開源 提供發(fā)布支持！文章來源地址http://www.zghlxwxcb.cn/news/detail-844309.html

到了這里，關(guān)于# Apache SeaTunnel 究竟是什么？的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！