暂无图片
暂无图片
暂无图片
暂无图片
暂无图片

手把手入门 | 使用SeaTunnel从InfluxDB同步数据到Doris

SeaTunnel 2024-11-06
678

点击蓝字

关注我们

本文介绍了如何使用SeaTunnel将数据从InfluxDB同步到Doris。通过SeaTunnel强大的数据集成功能,用户可以高效地将存储于InfluxDB中的时间序列数据传输至Doris,便于数据的访问与分析。
版本信息:
SeaTunnel 2.3.3
InfluxDB 2.7.6
Doris 2.1.3 rc09


1




准备事项


SeaTunnel2.3.3的安装过程这里就省略了,可以参考官网文档。
SeaTunnel2.3.3安装好以后需要删掉两个连接用的jar包,不然后面同步数据库会报错:connector-hudi-2.3.3.jar
connector-datahub-2.3.3.jar
.
需要增加的jar包:seatunnel-api-2.3.3.jar
seatunnel-transforms-v2-2.3.3.jar
mysql-connector-java-8.0.28.jar
jersey-client-1.19.4.jar
,这四个jar包必须添加,不然无法同步数据运行同步脚本直接报错没有某个类。
InfluxDB 2.7.6 需要做的前提事项:下面这个步骤必须要做,不然查不到数据。
InfluxDB Studio-0.2.0(这个客户端工具有个好处,可以查看字段类型,方便同步文件中的字段类型的定义,其他的客户端好像没有,也有可能是我没发现),可下载这个客户端进行连接查询数据。
Linux安装influxDB 2.7.6版本后,正常使用ip:8086 可访问influxdb UI,填写用户名、密码、org、buckets。


2




同步过程及踩坑点


SeaTunnel 2.3中集成InfluxDB配置用户名、密码后,执行同步任务总是报获取字段异常信息。
于是乎跟踪SeaTunnel代码,发现内部一直401权限认证失败。于是使用InfluxDB Studio数据库管理工具连接,输入ui页面相同的用户名,密码后一直报401权限认证不通过。通过查资料发现ui页面的用户名密码仅供ui页面使用,不能作为数据库本身访问的用户名密码。
使用iInfluxDB client客户端,查询权限influx v1 auth list结果为空。
使用命令分配权限
influx v1 auth create -o orgName --read-bucket bucketId --username=username

或者:
influx v1 auth create -o "组织名称" --write-bucket bucketId(桶id,不需要引号) --read-bucket bucketId(桶id,不需要引号) --username=账号 --password=密码
删除命令:influx v1 auth delete --id 'id编码'
删除命令中的id编码为influx v1 auth list
命令查出来的ID,下图所示:
命令执行完成后需输入两次密码。InfluxDB Studio数据库管理工具再次使用此用户名密码登录成功,SeaTunnel同步成功。
同步数据配置文件:v1.batch.config_tmp.template:
env {
execution.parallelism = 1
job.mode = "BATCH"
checkpoint.interval = 10000
}

source {
influxdb {
url = "http://X.X.X.X:8086"
token = "写自己的token" #可有可无
org = "自己的组织名称"
bucket = "自己的桶" #可有可无
database = "自己的桶"
username = "写在第四步自己新建的influxdb账号"
password = "写在第四步自己新建的influxdb密码"
epoch = "H" #这个有好几级,可以去官网查看
query_timeout_sec = 600
measurement = "prometheus_remote_write" #数据表
fields = ["node_cpu_seconds_total", "node_memory_MemTotal_bytes"] #可有可无,配置自己的字段
sql = """SELECT node_cpu_seconds_total as system_cpu_usage,cpu as process_occupy_physical_memory_size,job as create_dept,node_memory_MemTotal_bytes as process_read_written_file_system_total_bytes,node_memory_MemAvailable_bytes as process_open_file_describe_quantity,time as create_time FROM "prometheus_remote_write" where time > now() - 1h"""
where = " where time > now() - 1h"
#经过本人测试。上面的sql查询的字段必须经过重命名,或者doris建表的字段必须和influxdb2的字段完全一致,不然transform 中进行转换的时候就会成为空值,这个我还没研究明白为什么,研究明白了在补上说明,doris的表字段类型也必须和influxdb2中查询的字段类型一致,不然数据存不到doris中。schema 重定义的事influxdb2查到的字段和类型
schema {
fields {
#node_cpu_seconds_total = FLOAT
system_cpu_usage = FLOAT
process_occupy_physical_memory_size = INT
create_dept = STRING
process_read_written_file_system_total_bytes = FLOAT
process_open_file_describe_quantity = FLOAT
create_time = BIGINT
}
}

}
}

sink {
Doris {
fenodes = "X.X.X.X:8030"
username = "账号"
password = "密码"
table.identifier = "sbyw_data_acquisition.sbyw_application_process_type_tmp"
sink.label-prefix = "test-cdc"
sink.enable-2pc = "true"
sink.enable-delete = "true"
sink.max-retries = 3
batch_size = 10000
result_table_name = "sbyw_application_process_type_tmp"
doris.config {
format = "json"
read_json_by_line = "true"
}
}
}


transform {
FieldMapper {
source_table_name = "prometheus_remote_write"
result_table_name = "sbyw_application_process_type_tmp"
field_mapper = {
#node_cpu_seconds_total = system_cpu_usage
system_cpu_usage = system_cpu_usage
process_occupy_physical_memory_size = process_occupy_physical_memory_size
process_read_written_file_system_total_bytes = process_read_written_file_system_total_bytes
process_open_file_describe_quantity = process_open_file_describe_quantity
create_time = create_time
create_dept = create_dept
}
}
}

写好同步数据脚本文件运行同步命令:./bin/seatunnel.sh -c ./config/v1.batch.config_tmp.template
下面是我Doris的测试表:

下面是InfluxDB Studio-0.2.0客户端查到 InfluxDB 2.7.6的数据:

InfluxDB 2.7.6有个坑点,它支持sql查询,但不完全支持,它只支持常规的简单查询,例如下图中的查询就可以查询,但是如下图所示,可能会有人说我后面没加group by,经过测试是不行的,即使加上group by也是无法执行,那是因为官方压根不支持的这种查询。

但是下图这样是可以的,InfluxDB 2官方就是这样设计的,聚合查询无法和单字段进行同步查询。

最后是运行结果:

同步到Doris的数据:

原文链接:https://blog.csdn.net/2401_84562349/article/details/140919192

活动推荐



📢📢 Apache SeaTunnel&Milvus社区联合线上Meetup即将来袭!

为了进一步提升 SeaTunnel 在 AI 生态系统中的集成能力,SeaTunnel 社区即将携手 Milvus 社区举办一场联合线上 Meetup!11月12日19:00,来自 SeaTunnel 和 Milvus 的技术专家与架构师将带来深度技术分享及应用案例展示,揭示两大项目融合所带来的创新成果。期待这场激动人心的技术碰撞!

点击「预约」,预定直播,参与互动还有机会赢取精美好礼!🎁🎁



Apache SeaTunnel





Apache SeaTunnel 是一个分布式、高性能、易扩展、用于海量数据(离线&实时)同步和转化的数据集成平台

仓库地址: 
https://github.com/apache/seatunnel

网址:
https://seatunnel.apache.org/

Apache SeaTunnel 下载地址:
https://seatunnel.apache.org/download
 
衷心欢迎更多人加入!

我们相信,在「Community Over Code」(社区大于代码)、「Open and Cooperation」(开放协作)、「Meritocracy」(精英管理)、以及「多样性与共识决策」等 The Apache Way 的指引下,我们将迎来更加多元化和包容的社区生态,共建开源精神带来的技术进步!


我们诚邀各位有志于让本土开源立足全球的伙伴加入 SeaTunnel 贡献者大家庭,一起共建开源!

提交问题和建议:
https://github.com/apache/seatunnel/issues

贡献代码:
https://github.com/apache/seatunnel/pulls

订阅社区开发邮件列表 : 
dev-subscribe@seatunnel.apache.org

开发邮件列表:
dev@seatunnel.apache.org

加入 Slack:
https://join.slack.com/t/apacheseatunnel/shared_invite/zt-1kcxzyrxz-lKcF3BAyzHEmpcc4OSaCjQ

关注 Twitter: 
https://twitter.com/ASFSeaTunnel

精彩推荐




@dailai,欢迎成为Apache SeaTunnel Committer一员!




融入大数据技术革新的洪流!2024 SeaTunnel Meetup 讲师招募开启




全球视野不断拓展!Apache SeaTunnel社区迎来首位印度籍Committer



点击阅读原文了解更多⭐️!

文章转载自SeaTunnel,如果涉嫌侵权,请发送邮件至:contact@modb.pro进行举报,并提供相关证据,一经查实,墨天轮将立刻删除相关内容。

评论