使用Apache SeaTunnel进行数据库同步（MySQL to MySQL）

• Apache SeaTunnel 起到的主要作用是什么？

目前，大数据体系里有各种各样的数据引擎，有大数据生态的 Hadoop、Hive、Kudu、Kafka、HDFS，也有泛大数据库体系的 MongoDB、Redis、ClickHouse、Doris，更有云上的 AWS S3、Redshift、BigQuery、Snowflake，还有各种各样数据生态 MySQL、PostgresSQL、IoTDB、TDEngine、Salesforce、Workday 等。我们需要工具让这些数据之间能互联互通，那么 Apache SeaTunnel 就是打通这些复杂数据源的利器，它可以简单、准确、实时地把各种数据源整合到目标数据源当中，成为大数据流动的“高速公路”。

简单理解：数据库同步工具，类似阿里的canal

本文介绍使用seaTunnel的MYSQL-CDC方式进行mysql与mysql相互同步

seaTunnel官网：https://seatunnel.apache.org

• 依赖：Java8+，hazelcast-5.0.1

安装hazelcast-5.0.1

wget https://repository.hazelcast.com/rpm/stable/hazelcast-rpm-stable.repo -O hazelcast-rpm-stable.repo
sudo mv hazelcast-rpm-stable.repo /etc/yum.repos.d/
sudo yum install hazelcast-5.0.1

下载seaTunnel

创建目录

mkdir -p /home/seatunnel

cd /home/seatunnel

执行：

export version="2.3.2"
wget "https://archive.apache.org/dist/seatunnel/${version}/apache-seatunnel-${version}-bin.tar.gz"
tar -xzvf "apache-seatunnel-${version}-bin.tar.gz"

创建执行上下文

vim /etc/profile.d/seatunnel.sh

输入

export SEATUNNEL_HOME=/home/seatunnel/apache-seatunnel-2.3.2
export PATH=$PATH:$SEATUNNEL_HOME/bin

生效配置

source /etc/profile

打开：$SEATUNNEL_HOME/bin/seatunnel-cluster.sh

在第一行添加JVM配置

JAVA_OPTS="-Xms2G -Xmx2G"

安装插件：

cd apache-seatunnel-2.3.2/config

mv plugin_config plugin_config.bak

vim plugin_config

输入以下内容：

--connectors-v2--
connector-cdc-mysql
connector-jdbc
connector-starrocks
--end--

需要其它插件可以从plugin_config.bak中挑选

保存后执行命令安装插件：

sh bin/install-plugin.sh 2.3.2

添加mysql驱动

mysql-connector-java-8.0.30.jar 点击下载

将mysql-connector-java-8.0.30.jar放到$SEATUNNEL_HOME/lib/目录中

配置checkpoint存储

cd config
vim seatunnel.yaml

修改namespace,fs.defaultFS 默认在tmp目录

seatunnel:
  engine:
    backup-count: 1
    queue-type: blockingqueue
    print-execution-info-interval: 60
    print-job-metrics-info-interval: 60
    slot-service:
      dynamic-slot: true
    checkpoint:
      interval: 10000
      timeout: 60000
      max-concurrent: 5
      tolerable-failure: 2
      storage:
        type: hdfs
        max-retained: 3
        plugin-config:
          namespace: /opt/seatunnel/checkpoint_snapshot
          storage.type: hdfs
          fs.defaultFS: file:///opt/fs/ # Ensure that the directory has written permission

配置MySQL CDC

cd config
cp v2.streaming.conf.template test.config
vim test.config

输入一下内容：

    env {
      # You can set SeaTunnel environment configuration here
      execution.parallelism = 2
      job.mode = "STREAMING"
      # 10秒检查一次，可以适当加大这个值
      checkpoint.interval = 10000
      #execution.checkpoint.interval = 10000
      #execution.checkpoint.data-uri = "hdfs://localhost:9000/checkpoint"
    }

    # 配置数据源
    source {
      MySQL-CDC {
        # 数据库账号
        username = "canal"
        password = "canal"
        # 源表，格式：数据库名.表名
        table-names = ["canalold.uc_user"]
        base-url = "jdbc:mysql://172.16.4.196:3306/canalold"
      }
    }

    # 配置目标库
    sink {

      jdbc {
        url = "jdbc:mysql://172.16.4.175:3306/canalnew"
        driver = "com.mysql.cj.jdbc.Driver"
        user = "canal"
        password = "canal"
        
        generate_sink_sql = true
		# 目标数据库名
        database = "canalnew"
        # 目标表名
        table = "uc_user"
        # 主键名称
        primary_keys = ["id"]
      }

    }

一张表一个配置

• 启动集群

mkdir -p $SEATUNNEL_HOME/logs
nohup bin/seatunnel-cluster.sh 2>&1 &

提交任务：

nohup ./bin/seatunnel.sh --config ./config/test.config 2>&1 &

提交一次即可

前往logs目录查看是否提交成功

参考文档

集群部署：https://seatunnel.apache.org/docs/2.3.2/seatunnel-engine/deployment

常见问题

sql must not null

添加如下配置

database = "canalnew"
table = "uc_user"

如果不配置，必须配置query属性，即query属性和上面两个配置二选一，且上面两个配置优先级高