# Apache SeaTunnel 究竟是什麼？

ApacheSeaTunnel發表於2024-03-29
Apache

file

作者 | Shawn Gordon

翻譯 | Debra Chen

原文連結 | What the Heck is Apache SeaTunnel?

我在2023年初開始注意到Apache SeaTunnel的相關討論，一直低調地關注著。該專案始於2017年，最初名為Waterdrop，在Apache DolphinScheduler的建立者的貢獻下發展起來，後者支援SeaTunnel作為任務外掛。

我最初對於SeaTunnel是什麼以及為什麼我會關心它感到困惑。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。那麼，讓我們開始吧。

什麼是SeaTunnel？

Apache SeaTunnel的專案介紹是“一個高效能的、分散式的、大規模資料整合工具，提供了異構資料整合和資料同步的一體化解決方案。”它包括三個主要元件：

  • 源聯結器
  • 轉換聯結器
  • 目標聯結器

許多源聯結器（Connector）可供選擇；在版本2.3.3中，可用的聯結器如連結所示。它支援包括關係型、NoSQL和圖形等格式，以及分散式檔案系統（如HDFS）和物件儲存（如S3）等。

如果源和目標之間的格式不同，則轉換聯結器（Transform Tonnector）會發揮作用，實質上它就是對資料進行對映。

目標聯結器（Sink）是源的另一側，但現在你是在寫入資料而不是讀取。截至本文撰寫時，SeaTunnel宣告已支援超過100個聯結器。

有了這些元件，SeaTunnel可以解決資料整合和同步中常見的問題。因此，它提供了實時和批處理資料的高效能資料同步。文章稱它可以“實時同步數十億資料量”。雖然我不確定是什麼意思，但考慮到像阿里巴巴這樣的公司在使用它，它的速度可能非常快。

SeaTunnel的特性

我對系統中的聯結器API功能印象深刻。正如前面所述，Apache SeaTunnel已有超過100個預先構建的聯結器，但如果需要其他聯結器，你可以建立自己的聯結器。這些聯結器不與特定的執行引擎繫結，而可以使用Flink、Spark或本地的SeaTunnel引擎。聯結器的外掛架構讓我想起了Trino的生態系統。

資料可以以批處理或實時方式同步，並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，支援多表或整個資料庫的同步。這就解決了CDC多表同步方案的需求。

file

SeaTunnel的執行時流程如下所示：

  • 配置作業資訊並選擇執行引擎。
  • 源聯結器並行讀取資料，並將其傳遞到轉換器、目標聯結器或直接傳遞到目標。

請記住，SeaTunnel是一個EL(T)整合平臺，因此它只能自行進行基本的資料轉換：

  • 更改列中的資料大小寫
  • 更改列名
  • 將一列拆分為多列

SeaTunnel job

SeaTunnel job，或配置檔案可能由四個部分組成：env、source、transform和sink。如果不執行轉換，則可以忽略transform部分。配置檔案可以採用hocon或json格式編寫。從SeaTunnel文件中借鑑，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"
 }
}

雖然格式非常易於閱讀和理解，但我可以看出，對於大型表格，它可能會變得相當複雜。我要在此評論一下，就像許多開源專案一樣，SeaTunnel的文件相當缺乏，但據我觀察的時間，該專案似乎有一個相當活躍的Slack頻道。

SeaTunnel使用要求

它是一個Java系統，支援Java 8或Java 11版本，但應該與較舊的系統相容。如果你已經安裝了Java，則只需從其網站獲取所需的外掛（或編寫自己的外掛），並在配置檔案中進行設定。之後，按照上文所述建立用於管理作業的配置檔案。只要你有訪問源和目標資料儲存庫的憑據，控制檯就會提供反饋資訊。

Apache SeaTunnel還提供了Web介面，供那些想要替代CLI的使用者選擇。這將是我個人使用這個系統的首選方式，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

SeaTunnel顯然適用於某些場景，就我目前所看到的情況而言，在處理各種資料來源和目標的大量資料時，它才會發揮作用。我完全可以預見，SeaTunnel還將在很多場景中讓事情變得更簡單，所以我會把這個專案放在我的工具箱裡。SeaTunnel團隊提供了一個很好的快速入門指南，幫助使用者可以輕鬆地自行嘗試，看看它是否能解決你的問題吧！

本文由 白鯨開源 提供釋出支援！

相關文章