# Apache SeaTunnel 究竟是什麼?

来源:https://www.cnblogs.com/seatunnel/p/18103311
-Advertisement-
Play Games

作者 | Shawn Gordon 翻譯 | Debra Chen 原文鏈接 | What the Heck is Apache SeaTunnel? 我在2023年初開始註意到Apache SeaTunnel的相關討論,一直低調地關註著。該項目始於2017年,最初名為Waterdrop,在Apac ...


file

作者 | Shawn Gordon

翻譯 | Debra Chen

原文鏈接 | What the Heck is Apache SeaTunnel?

我在2023年初開始註意到Apache SeaTunnel的相關討論,一直低調地關註著。該項目始於2017年,最初名為Waterdrop,在Apache DolphinScheduler的創建者的貢獻下發展起來,後者支持SeaTunnel作為任務插件。

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的項目介紹是“一個高性能的、分散式的、大規模數據集成工具,提供了異構數據集成和數據同步的一體化解決方案。”它包括三個主要組件:

  • 源連接器
  • 轉換連接器
  • 目標連接器

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。它支持包括關係型、NoSQL和圖形等格式,以及分散式文件系統(如HDFS)和對象存儲(如S3)等。

如果源和目標之間的格式不同,則轉換連接器(Transform Tonnector)會發揮作用,實質上它就是對數據進行映射。

目標連接器(Sink)是源的另一側,但現在你是在寫入數據而不是讀取。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可以解決數據集成和同步中常見的問題。因此,它提供了實時和批處理數據的高性能數據同步。文章稱它可以“實時同步數十億數據量”。雖然我不確定是什麼意思,但考慮到像阿裡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個預先構建的連接器,但如果需要其他連接器,你可以創建自己的連接器。這些連接器不與特定的執行引擎綁定,而可以使用Flink、Spark或本地的SeaTunnel引擎。連接器的插件架構讓我想起了Trino的生態系統。

數據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,支持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的運行時流程如下所示:

  • 配置作業信息並選擇執行引擎。
  • 源連接器並行讀取數據,並將其傳遞到轉換器、目標連接器或直接傳遞到目標。

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據轉換:

  • 更改列中的數據大小寫
  • 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。如果不執行轉換,則可以忽略transform部分。配置文件可以採用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,就像許多開源項目一樣,SeaTunnel的文檔相當缺乏,但據我觀察的時間,該項目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,支持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插件(或編寫自己的插件),併在配置文件中進行設置。之後,按照上文所述創建用於管理作業的配置文件。只要你有訪問源和目標數據存儲庫的憑據,控制台就會提供反饋信息。

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,在處理各種數據源和目標的大量數據時,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 提供發佈支持!


您的分享是我們最大的動力!

-Advertisement-
Play Games
更多相關文章
  • 1.安裝Docker - 2024.03.28 官方手冊 清華大學開源軟體鏡像站 | 可從主頁找到Docker資源 # Add Docker's official GPG key: sudo apt-get update sudo apt-get install ca-certificates cu ...
  • 熟悉鍵盤操作可以極大地提高操作效率,熟練的 Linux 用戶幾乎不需要使用滑鼠,僅用鍵盤就可以更快且更方便地完成所有操作。 Linux 命令解釋器(也可以叫 Shell,終端,命令行等)也有很多快捷鍵,熟練掌握可以極大的提高操作效率。在本文整理一些最常用的快捷鍵。 常用命令行操作快捷鍵 : Ctrl ...
  • 對於生活中最常見的小游戲——走迷宮,相信大家都不陌生,人為走相信大家都會走,但能不能用代碼實現,我們認為是可以的,以下是我們對如何走迷宮的一些看法和代碼實現(cz負責隊列解決,mml負責用棧解決): 1.關於用隊列解決: 先簡單介紹一下隊列:隊列是一種操作受限的線性表,只允許在表的一端進行插入,在表 ...
  • 華為雲數倉GaussDB(DWS)研發專家高若岳老師,深入解析GaussDB(DWS)數據倉庫如何與大數據生態快速對接。 隨著智能數據時代的到來,數據量爆髮式增長,數據形態呈海量化和多樣化發展,不再是單一的結構化數據。從海量和多樣化的數據做融合分析,創造更多業務價值的訴求日益強烈。在本期《Gauss ...
  • GreatSQL 優化技巧:將 MINUS 改寫為標量子查詢 前言 minus 指令運用在兩個 SQL 語句上,取兩個語句查詢結果集的差集。它先找出第一個 SQL 所產生的結果,然後看這些結果有沒有在第二個 SQL 的結果中,如果在,那這些數據就被去除,不會在最後的結果中出現,第二個 SQL 結果集 ...
  • 本文分享自華為雲社區《GeminiDB Cassandra介面新特性FLASHBACK發佈:任意時間點秒級閃回》,作者: GaussDB 資料庫。 技術背景 資料庫作為現代信息系統的核心組成部分,承擔著存儲、管理和檢索大量數據的重要任務。然而,在實際的業務運行過程中,由於各種原因,資料庫可能會出現異 ...
  • 本文首發於公眾號:Hunter後端 原文鏈接:MySQL面試必備一之索引 在面試過程中,會有一些關於 MySQL 索引相關的問題,以下總結了一些: MySQL 的數據存儲使用的是什麼索引結構 B+ 樹的結構是什麼樣子 什麼是複合索引、聚簇索引、覆蓋索引 什麼是最左匹配原則 數據 B+ 樹中是如何查詢 ...
  • 本文分享自華為雲社區《GaussDB(DWS)的cgroup、資源池、用戶的關係》,作者: nullptr_。 1. 前言 本文主要展示了DWS中cgroup、資源池、用戶之間的關係,從而對DWS的資源設置情況有個初步瞭解。 2. 相關對象創建腳本 gs_ssh -c "gs_cgroup -cS ...
一周排行
    -Advertisement-
    Play Games
  • 隨著Aspire發佈preview5的發佈,Microsoft.Extensions.ServiceDiscovery隨之更新, 服務註冊發現這個屬於老掉牙的話題解決什麼問題就不贅述了,這裡主要講講Microsoft.Extensions.ServiceDiscovery(preview5)以及如何 ...
  • 概述:通過使用`SemaphoreSlim`,可以簡單而有效地限制非同步HTTP請求的併發量,確保在任何給定時間內不超過20個網頁同時下載。`ParallelOptions`不適用於非同步操作,但可考慮使用`Parallel.ForEach`,儘管在非同步場景中謹慎使用。 對於併發非同步 I/O 操作的數量 ...
  • 1.Linux上安裝Docken 伺服器系統版本以及內核版本:cat /etc/redhat-release 查看伺服器內核版本:uname -r 安裝依賴包:yum install -y yum-utils device-mapper-persistent-data lvm2 設置阿裡雲鏡像源:y ...
  • 概述:WPF界面綁定和渲染大量數據可能導致性能問題。通過啟用UI虛擬化、非同步載入和數據分頁,可以有效提高界面響應性能。以下是簡單示例演示這些優化方法。 在WPF中,當你嘗試綁定和渲染大量的數據項時,性能問題可能出現。以下是一些可能導致性能慢的原因以及優化方法: UI 虛擬化: WPF提供了虛擬化技術 ...
  • 引言 上一章節介紹了 TDD 的三大法則,今天我們講一下在單元測試中模擬對象的使用。 Fake Fake - Fake 是一個通用術語,可用於描述 stub或 mock 對象。 它是 stub 還是 mock 取決於使用它的上下文。 也就是說,Fake 可以是 stub 或 mock Mock - ...
  • 為.net6在CentOS7上面做準備,先在vmware虛擬機安裝CentOS 7.9 新建CentOS764位的系統 因為CentOS8不更新了,所以安裝7;簡單就一筆帶過了 選擇下載好的操作系統的iso文件,下載地址https://mirrors.aliyun.com/centos/7.9.20 ...
  • 經過前面幾篇的學習,我們瞭解到指令的大概分類,如:參數載入指令,該載入指令以 Ld 開頭,將參數載入到棧中,以便於後續執行操作命令。參數存儲指令,其指令以 St 開頭,將棧中的數據,存儲到指定的變數中,以方便後續使用。創建實例指令,其指令以 New 開頭,用於在運行時動態生成並初始化對象。方法調用指... ...
  • LiteDB 是一個輕量級的嵌入式 NoSQL 資料庫,其設計理念與 MongoDB 類似,但它是完全使用 C# 開發的,因此與 C# 應用程式的集成非常順暢。與 SQLite 相比,LiteDB 提供了 NoSQL(即鍵值對)的數據存儲方式,並且是一個開源且免費的項目。它適用於桌面、移動以及 We ...
  • 1 開源解析和拆分文檔 第三方的工具去對文件解析拆分,去將我們的文件內容給提取出來,並將我們的文檔內容去拆分成一個小的chunk。常見的PDF word mark down, JSON、HTML。都可以有很好的一些模塊去把這些文件去進行一個東西去提取。 優勢 支持豐富的文檔類型 每種文檔多樣化選擇 ...
  • OOM是什麼?英文全稱為 OutOfMemoryError(記憶體溢出錯誤)。當程式發生OOM時,如何去定位導致異常的代碼還是挺麻煩的。 要檢查OOM發生的原因,首先需要瞭解各種OOM情況下會報的異常信息。這樣能縮小排查範圍,再結合異常堆棧、heapDump文件、JVM分析工具和業務代碼來判斷具體是哪 ...