万字长文 | Apache SeaTunnel 分离集群模式部署 K8s 集群实践

SeaTunnel 2025-04-24

394

文章作者：雷宝鑫

整理排版：白鲸开源曾辉

Apache SeaTunnel 官网链接: https://seatunnel.apache.org/

Apache SeaTunnel(以下简称SeaTunnel）是一款新一代高性能、分布式的数据集成同步工具，正受到业界广泛关注和应用。SeaTunnel支持三种部署模式：本地模式（Local）、混合集群模式（Hybrid Cluster Mode）和分离集群模式（Separated Cluster Mode）。

本文尝试介绍如何在K8s上以分离集群模式部署SeaTunnel，为有相关需求的伙伴提供完整的部署流程和配置案例参考。

前期准备

在开始部署之前，需要确保以下环境和组件已经准备就绪：

Kubernetes集群环境
kubectl命令行工具
docker
helm (option)

对于熟悉和具有Helm环境的部署，可以直接参考官网中使用Helm部署教程：

https://seatunnel.apache.org/docs/2.3.10/start-v2/kubernetes/helm
https://github.com/apache/seatunnel/tree/dev/deploy/kubernetes/seatunnel

本文主要介绍基于Kubernetes
环境和kubectl
工具的方式实现部署。

构建SeaTunnel Docker镜像

目前官方已提供各版本的Docker镜像，可直接拉取，详细信息可参考官方文档：Set Up With Docker。

docker pull apache/seatunnel:<version_tag>

由于我们需要部署的是集群模式，接下来需要配置集群间的网络通信。SeaTunnel集群的网络服务是通过Hazelcast实现的，所以接下来对这部分内容进行配置。

Hazelcast集群相关配置

Headless Service配置

Hazelcast 集群是由运行 Hazelcast 的集群成员组成的网络，集群成员自动联合起来形成一个集群，这种自动加入是通过集群成员用于查找彼此的各种发现机制实现的。

Hazelcast 支持以下发现机制：

自动发现机制，支持以下环境：

AWS
Azure
GCP
Kubernetes

TCP
Multicast
Eureka
Zookeeper

在本文的集群部署中，我们基于Hazelcast
的Kubernetes
自动发现机制来配置文件，详细的原理可以参考官网文档：Kubernetes Auto Discovery。

Hazelcast的k8s自动发现机制（DNS Lookup mode）需要借助于k8s的Headless Service
功能来实现。

Headless Service
在查询服务域名时，会将域名解析为所有匹配Pod
的IP
地址列表，以此来实现Hazelcast集群成员互相发现彼此。

为此，首先我们创建K8s Headless Service
服务：

# use for hazelcast cluster join
apiVersion:v1
kind:Service
metadata:
name:seatunnel-cluster
spec:
type:ClusterIP
clusterIP:None
selector:
    app.kubernetes.io/instance:seatunnel-cluster-app
    app.kubernetes.io/version:2.3.10
ports:
-port:5801
    name:hazelcast

上述配置中的关键部分：

metadata.name: seatunnel-cluster
：服务名称，Hazelcast 客户端/节点将通过该名称发现集群
spec.clusterIP: None
：关键配置，声明为 Headless Service，不分配虚拟 IP
spec.selector
: 选择器匹配的 Pod 标签，包含相应标签的pod会被该Service识别和代理
spec.port
：Hazelcast的暴露端口

同时，为了能从系统外部利用rest api
访问集群，我们定义另一个Service来包含Master的节点pod
：

# use for access seatunnel from outside system via rest api
apiVersion:v1
kind:Service
metadata:
name:seatunnel-cluster-master
spec:
type:ClusterIP
clusterIP:None
selector:
    app.kubernetes.io/instance:seatunnel-cluster-app
    app.kubernetes.io/version:2.3.10
    app.kubernetes.io/name:seatunnel-cluster-master
    app.kubernetes.io/component:master
ports:
-port:8080
    name:"master-port"
    targetPort:8080
    protocol:TCP

定义好上述K8s的Service服务后，接下来根据Hazelcast的k8s发现机制来配置hazelcast-master.yaml
和hazelcast-worker.yaml
文件。

Hazelcast master和worker的yaml配置

对于SeaTunnel分离集群模式来说，所有网络相关的配置都在hazelcast-master.yaml
和hazelcast-worker.yaml
文件中。

hazelcast-master.yaml
的配置如下所示：

hazelcast:
  cluster-name:seatunnel-cluster
network:
    rest-api:
      enabled:true
      endpoint-groups:
        CLUSTER_WRITE:
          enabled:true
        DATA:
          enabled:true
    join:
      kubernetes:
        enabled:true
        service-dns:seatunnel-cluster.bigdata.svc.cluster.local
        service-port:5801
    port:
      auto-increment:false
      port:5801
properties:
    hazelcast.invocation.max.retry.count:20
    hazelcast.tcp.join.port.try.count:30
    hazelcast.logging.type:log4j2
    hazelcast.operation.generic.thread.count:50
    hazelcast.heartbeat.failuredetector.type:phi-accrual
    hazelcast.heartbeat.interval.seconds:30
    hazelcast.max.no.heartbeat.seconds:300
    hazelcast.heartbeat.phiaccrual.failuredetector.threshold:15
    hazelcast.heartbeat.phiaccrual.failuredetector.sample.size:200
    hazelcast.heartbeat.phiaccrual.failuredetector.min.std.dev.millis:200

上述配置文件中的关键配置项如下：

cluster-name

该配置用于确定多个节点是否属于同一个集群，即只有相同cluster-name的节点才会属于同一个集群。如果两个节点之间的cluster-name名称不同，Hazelcast 将会拒绝服务请求。

网络配置

rest-api.enabled：在ST 2.3.10版本中Hazelcast REST 服务默认在配置中禁用，需要手动显式指定开启。
service-dns（必填）：Headless Service 的完整域名，通常为 {NAMESPACE}.svc.cluster.local。
service-port（可选）：Hazelcast 端口；如果指定的值大于 0，则覆盖默认值（默认端口 = 5701）

使用上述基于k8s的join机制，在Hazelcast Pod启动时会解析service-dns，获取所有成员pod的IP列表（通过Headless Service
），然后成员之间通过5801
端口尝试建立TCP连接。

同样的，对于hazelcast-worker.yaml
配置文件如下所示：

hazelcast:
  cluster-name:seatunnel-cluster
network:
    rest-api:
      enabled:true
      endpoint-groups:
        CLUSTER_WRITE:
          enabled:true
        DATA:
          enabled:true
    join:
      kubernetes:
        enabled:true
        service-dns:seatunnel-cluster.bigdata.svc.cluster.local
        service-port:5801
    port:
      auto-increment:false
      port:5801
properties:
    hazelcast.invocation.max.retry.count:20
    hazelcast.tcp.join.port.try.count:30
    hazelcast.logging.type:log4j2
    hazelcast.operation.generic.thread.count:50
    hazelcast.heartbeat.failuredetector.type:phi-accrual
    hazelcast.heartbeat.interval.seconds:30
    hazelcast.max.no.heartbeat.seconds:300
    hazelcast.heartbeat.phiaccrual.failuredetector.threshold:15
    hazelcast.heartbeat.phiaccrual.failuredetector.sample.size:200
    hazelcast.heartbeat.phiaccrual.failuredetector.min.std.dev.millis:200
member-attributes:
    rule:
      type:string
      value:worker

通过上述流程，我们就创建好了与Hazelcast集群相关的配置和服务，实现了Hazecast基于Kubernetes的集群成员发现。

接下来，继续完成有关SeaTunnel引擎的相关配置。

配置SeaTunnel引擎

SeaTunnel引擎的相关配置都在seatunnel.yaml
文件中，下面给出seatunnel.yaml
配置示例以供参考：

seatunnel:
  engine:
    history-job-expire-minutes:1440
    backup-count:1
    queue-type:blockingqueue
    print-execution-info-interval:60
    print-job-metrics-info-interval:60
    classloader-cache-mode:true
    http:
      enable-http:true
      port:8080
      enable-dynamic-port:false
      port-range:100
    slot-service:
      dynamic-slot:true
    checkpoint:
      interval:300000
      timeout:60000
      storage:
        type:hdfs
        max-retained:3
        plugin-config:
          namespace:/tmp/seatunnel/checkpoint_snapshot
          storage.type:hdfs
          fs.defaultFS:hdfs://xxx:8020# Ensure that the directory has written permission
    telemetry:
      metric:
        enabled:true

包含以下配置信息：

history-job-expire-minutes
：任务历史记录保留时长为 24 小时（1440 分钟），超时自动清理。
backup-count: 1
：任务状态备份副本数为 1。
queue-type: blockingqueue
：使用阻塞队列管理任务，避免资源耗尽。
print-execution-info-interval: 60
：每分钟打印一次任务执行状态。
print-job-metrics-info-interval: 60
：每分钟输出一次任务指标（如吞吐量、延迟）。
classloader-cache-mode: true
：启用类加载缓存，减少重复加载开销，提升性能。
dynamic-slot: true
：允许根据负载动态调整任务槽（Slot）数量，优化资源利用率。
checkpoint.interval: 300000
：每 5 分钟触发一次检查点（Checkpoint）。
checkpoint.timeout: 60000
：检查点超时时间为 1 分钟。
telemetry.metric.enabled: true
：启用任务运行指标采集（如延迟、吞吐量），便于监控。

创建k8s yaml文件部署应用

在完成上面的工作流程后，我们就可以进入到最后一步：创建Master和Worker节点的k8s yaml文件定义部署的相关配置。

为了将配置文件与应用程序解耦，我们将上文中列出的配置文件合并到一个ConfigMap中，并挂载到容器的配置路径下，便于对配置文件的统一管理和更新。

以下是针对 seatunnel-cluster-master.yaml
和 seatunnel-cluster-worker.yaml
的配置示例，涵盖了配置 ConfigMap
挂载、容器启动命令以及部署资源定义等相关内容。

seatunnel-cluster-master.yaml：

apiVersion: apps/v1
kind:Deployment
metadata:
name:seatunnel-cluster-master
spec:
replicas:2# modify replicas according to your case
strategy:
    type:RollingUpdate
    rollingUpdate:
      maxUnavailable:25%
      maxSurge:50%
selector:
    matchLabels:
      app.kubernetes.io/instance:seatunnel-cluster-app
      app.kubernetes.io/version:2.3.10
      app.kubernetes.io/name:seatunnel-cluster-master
      app.kubernetes.io/component:master
template:
    metadata:
      annotations:
        prometheus.io/path:/hazelcast/rest/instance/metrics
        prometheus.io/port:"5801"
        prometheus.io/scrape:"true"
        prometheus.io/role:"seatunnel-master"
      labels:
        app.kubernetes.io/instance:seatunnel-cluster-app
        app.kubernetes.io/version:2.3.10
        app.kubernetes.io/name:seatunnel-cluster-master
        app.kubernetes.io/component:master
    spec:
      affinity:
        nodeAffinity:
          requiredDuringSchedulingIgnoredDuringExecution:
            nodeSelectorTerms:
            -matchExpressions:
              -key:nodeAffinity-key
                operator:Exists
      containers:
        -name:seatunnel-master
          image:seatunnel:2.3.10
          imagePullPolicy:IfNotPresent
          ports:
            -containerPort:5801
              name:hazelcast
            -containerPort:8080
              name:"master-port"
          command:
            -/opt/seatunnel/bin/seatunnel-cluster.sh
            --r
            -master
          resources:
            requests:
              cpu:"1"
              memory:4G
          volumeMounts:
            -mountPath:"/opt/seatunnel/config/hazelcast-master.yaml"
              name:seatunnel-configs
              subPath:hazelcast-master.yaml
            -mountPath:"/opt/seatunnel/config/hazelcast-worker.yaml"
              name:seatunnel-configs
              subPath:hazelcast-worker.yaml
            -mountPath:"/opt/seatunnel/config/seatunnel.yaml"
              name:seatunnel-configs
              subPath:seatunnel.yaml
            -mountPath:"/opt/seatunnel/config/hazelcast-client.yaml"
              name:seatunnel-configs
              subPath:hazelcast-client.yaml
            -mountPath:"/opt/seatunnel/config/log4j2_client.properties"
              name:seatunnel-configs
              subPath:log4j2_client.properties
            -mountPath:"/opt/seatunnel/config/log4j2.properties"
              name:seatunnel-configs
              subPath:log4j2.properties

      volumes:
        -name:seatunnel-configs
          configMap:
            name:seatunnel-cluster-configs

部署策略

采用多副本（replicas=2）部署确保服务高可用
滚动更新策略（RollingUpdate）实现零停机部署：

maxUnavailable: 25%
：保证更新期间至少75%的Pod保持运行
maxSurge: 50%
：允许临时增加50%的Pod资源用于平滑过渡

标签选择器

采用Kubernetes推荐的标准标签体系
spec.selector.matchLabels：
根据标签定义Deployment管理Pod的范围
spec.template.labels
：定义新创建Pod的标签，标识Pod的元数据。

节点亲和性

配置affinity
属性指定Pod调度的节点，需要根据自己k8s环境的节点标签进行替换。

配置文件挂载

核心配置文件统一管理在ConfigMap
中，便于管理以及与应用程序解耦
通过subPath指定挂载的单个文件

seatunnel-cluster-worker.yaml
配置文件如下：

apiVersion: apps/v1
kind:Deployment
metadata:
name:seatunnel-cluster-worker
spec:
replicas:3# modify replicas according to your case
strategy:
    type:RollingUpdate
    rollingUpdate:
      maxUnavailable:25%
      maxSurge:50%
selector:
    matchLabels:
      app.kubernetes.io/instance:seatunnel-cluster-app
      app.kubernetes.io/version:2.3.10
      app.kubernetes.io/name:seatunnel-cluster-worker
      app.kubernetes.io/component:worker
template:
    metadata:
      annotations:
        prometheus.io/path:/hazelcast/rest/instance/metrics
        prometheus.io/port:"5801"
        prometheus.io/scrape:"true"
        prometheus.io/role:"seatunnel-worker"
      labels:
        app.kubernetes.io/instance:seatunnel-cluster-app
        app.kubernetes.io/version:2.3.10
        app.kubernetes.io/name:seatunnel-cluster-worker
        app.kubernetes.io/component:worker
    spec:
      affinity:
        nodeAffinity:
          requiredDuringSchedulingIgnoredDuringExecution:
            nodeSelectorTerms:
            -matchExpressions:
              -key:nodeAffinity-key
                operator:Exists
      containers:
        -name:seatunnel-worker
          image:seatunnel:2.3.10
          imagePullPolicy:IfNotPresent
          ports:
            -containerPort:5801
              name:hazelcast
          command:
            -/opt/seatunnel/bin/seatunnel-cluster.sh
            --r
            -worker
          resources:
            requests:
              cpu:"1"
              memory:10G
          volumeMounts:
            -mountPath:"/opt/seatunnel/config/hazelcast-master.yaml"
              name:seatunnel-configs
              subPath:hazelcast-master.yaml
            -mountPath:"/opt/seatunnel/config/hazelcast-worker.yaml"
              name:seatunnel-configs
              subPath:hazelcast-worker.yaml
            -mountPath:"/opt/seatunnel/config/seatunnel.yaml"
              name:seatunnel-configs
              subPath:seatunnel.yaml
            -mountPath:"/opt/seatunnel/config/hazelcast-client.yaml"
              name:seatunnel-configs
              subPath:hazelcast-client.yaml
            -mountPath:"/opt/seatunnel/config/log4j2_client.properties"
              name:seatunnel-configs
              subPath:log4j2_client.properties
            -mountPath:"/opt/seatunnel/config/log4j2.properties"
              name:seatunnel-configs
              subPath:log4j2.properties

      volumes:
        -name:seatunnel-configs
          configMap:
            name:seatunnel-cluster-configs

定义好上述master和worker的yaml文件后，就可以执行以下命令进行部署到k8s集群了：

kubectl apply -f seatunnel-cluster-master.yaml
kubectl apply -f seatunnel-cluster-worker.yaml

正常情况下会看到SeaTunnel集群中共有2个master节点和3个worker节点：

$ kubectl get pods | grep seatunnel-cluster

seatunnel-cluster-master-6989898f66-6fjz8                        1/1     Running                0          156m
seatunnel-cluster-master-6989898f66-hbtdn                        1/1     Running                0          155m
seatunnel-cluster-worker-87fb469f7-5c96x                         1/1     Running                0          156m
seatunnel-cluster-worker-87fb469f7-7kt2h                         1/1     Running                0          155m
seatunnel-cluster-worker-87fb469f7-drm9r                         1/1     Running                0          156m

至此，我们已成功在Kubernetes环境中以分离集群模式部署了SeaTunnel集群。

如今，集群已就绪，如何在客户端向其提交任务呢？

客户端提交任务到集群

使用命令行工具提交任务

有关SeaTunnel客户端的配置都在hazelcast-client.yaml文件中。

首先需要在客户端本地下载二进制安装包（包含bin、config文件），并保证SeaTunnel的安装路径与服务端一致，这也就是官网中所说的：Setting the SEATUNNEL_HOME the same as the server
，否则，可能会导致出现诸如无法在服务器端找到连接器插件路径等错误（因为服务端插件路径与客户端路径不一致）。

进入安装路径下，只需要修改config/hazelcast-client.yaml
文件，配置指向刚刚创建的Headless Service
服务地址即可：

hazelcast-client:
      cluster-name: seatunnel-cluster
      properties:
        hazelcast.logging.type: log4j2
      connection-strategy:
        connection-retry:
          cluster-connect-timeout-millis: 3000
      network:
        cluster-members:
          - seatunnel-cluster.bigdata.svc.cluster.local:5801

客户端配置完成后，即可将任务提交至集群执行。任务提交时的JVM参数配置方式主要有两种：

在config/jvm_client_options
文件中配置任务提交时的JVM参数
此方法配置的JVM参数将应用于所有通过seatunnel.sh
提交的任务，无论运行于本地模式还是集群模式。所有提交的任务都将共享相同的JVM参数配置。
在提交任务的命令行中指定JVM参数。
使用seatunnel.sh
提交任务时，可在命令行中直接指定JVM参数，例如：sh bin/seatunnel.sh --config $SEATUNNEL_HOME/config/v2.batch.config.template -DJvmOption=-Xms2G -Xmx2G
。此方法允许为每个提交的任务独立配置JVM参数。

接下来通过一个案例来演示客户端提交任务至集群执行的完整流程：

env {
parallelism=2
job.mode="STREAMING"
checkpoint.interval=2000
}

source{
FakeSource{
    parallelism=2
    plugin_output="fake"
    row.num=16
    schema={
      fields{
        name="string"
        age="int"
      }
    }
}
}

sink{
Console{
}
}

在客户端使用以下命令提交任务：

sh bin/seatunnel.sh --config config/v2.streaming.example.template -m cluster -n st.example.template -DJvmOption="-Xms2G -Xmx2G"

在Master节点，使用如下命令列出正在运行的任务列表：

$ shbin/seatunnel.sh-l

JobID              JobName             JobStatusSubmitTime              FinishedTime            
---------------------------------------------------------------------------------------------
964354250769432580st.example.templateRUNNING     2025-04-1510:39:30.588

可以看到，我们刚刚向集群中提交的st.example.template
任务已经处于RUNNING状态了。现在我们可以在Worker节点日志中看到如下日志打印：

2025-04-1510:34:41,998INFO[.a.s.c.s.c.s.ConsoleSinkWriter][st-multi-table-sink-writer-1]-subtaskIndex=0rowIndex=1:SeaTunnelRow#tableId=fakeSeaTunnelRow#kind=INSERT:bdaUB,110348049
2025-04-1510:34:41,998INFO[.a.s.c.s.c.s.ConsoleSinkWriter][st-multi-table-sink-writer-1]-subtaskIndex=1rowIndex=1:SeaTunnelRow#tableId=fakeSeaTunnelRow#kind=INSERT:mOifY,1974539087
2025-04-1510:34:41,999INFO[.a.s.c.s.c.s.ConsoleSinkWriter][st-multi-table-sink-writer-1]-subtaskIndex=0rowIndex=2:SeaTunnelRow#tableId=fakeSeaTunnelRow#kind=INSERT:jKFrR,1828047742
2025-04-1510:34:41,999INFO[.a.s.c.s.c.s.ConsoleSinkWriter][st-multi-table-sink-writer-1]-subtaskIndex=1rowIndex=2:SeaTunnelRow#tableId=fakeSeaTunnelRow#kind=INSERT:gDiqR,1177544796
2025-04-1510:34:41,999INFO[.a.s.c.s.c.s.ConsoleSinkWriter][st-multi-table-sink-writer-1]-subtaskIndex=0rowIndex=3:SeaTunnelRow#tableId=fakeSeaTunnelRow#kind=INSERT:bCVxc,909343602
...

说明我们的任务成功提交至所创建的SeaTunnel集群，并且确认其正常运行。

使用Rest Api接口提交任务

SeaTunnel提供了通过Rest Api接口的方式来查询运行作业的状态和统计信息，以及提交/停止作业等操作。

在上文中我们配置了只包含Master节点的Headless Service，并指定暴露的端口为8080
。因此，我们就可以在客户端使用Rest API
接口的方式来实现任务的提交。

SeaTunnel Rest API
接口提供了通过上传配置文件来提交任务，命令如下：

 $ curl 'http://seatunnel-cluster-master.bigdata.svc.cluster.local:8080/submit-job/upload' --form 'config_file=@"/opt/seatunnel/config/v2.streaming.example.template"' --form 'jobName=st.example.template'
 
 {"jobId":"964553575034257409","jobName":"st.example.template"}

如果作业提交成功，会返回jobId
和jobName
，如上所示。

接下来，通过Rest API
接口获取集群正在运行的所有任务，观察刚刚提交的任务信息：

curl 'http://seatunnel-cluster-master.bigdata.svc.colo.gzgalocal:8080/running-jobs'
[{"jobId":"964553575034257409","jobName":"st.example.template","jobStatus":"RUNNING","envOptions":{"job.mode":"STREAMING","checkpoint.interval":"2000","parallelism":"2"}, ...]

可以看到接口返回显示了任务状态和其他额外的元数据信息，说明我们通过Rest Api接口提交任务的方式也成功执行。更多Rest Api接口介绍可以参考官网：RESTful API V2

总结

本文着重介绍了如何以推荐的分离集群模式（Separated Cluster Mode）部署k8s集群的实践，总结下来，部署过程主要包含以下步骤：

准备 Kubernetes 环境
确保已搭建并运行一个可用的 Kubernetes 集群，并安装所有必要的组件。
构建 SeaTunnel Docker 镜像
如果没有二次开发需求，可直接使用官方提供的镜像。否则，在本地编译打包后，编写 Dockerfile 并构建 SeaTunnel 镜像。
配置Headless Service和Hazelcast集群
Hazelcast的k8s自动发现机制的DNS Lookup模式是基于k8s的Headless Service功能来实现的，因此首先创建Headless Service服务，并在hazelcast的yaml配置文件中通过service-dns来指定服务地址。
Headless Service会在域名解析时解析成所包含pod的IP地址集合，以此实现hazelcast集群成员之间的彼此发现。
配置 SeaTunnel 引擎
修改seatunnel.yaml文件，配置SeaTunnel引擎参数。
创建k8s yaml部署文件
分别创建Master和Worker的k8s yaml文件，配置节点标签、启动命令、资源和数据卷挂载等内容，最终将其部署到k8s集群。
配置 SeaTunnel 客户端
在客户端安装SeaTunnel，并确保客户端的安装路径 (SEATUNNEL_HOME
) 与服务端一致。修改 hazelcast-client.yaml
文件，配置客户端连接到集群Service服务的地址。
任务提交与执行:
完成以上步骤后，即可在客户端提交任务并由 SeaTunnel 集群执行。

本文上述配置案例仅供参考，可能仍有很多配置项和配置内容未涉及，欢迎各位补充与讨论，希望有各位有所帮助！

活动推荐

本次Meetup分享基于Apache SeaTunnel的二次开发，重点针对复杂数据处理场景中的功能短板进行了系统性增强，在保持原有架构优势的基础上，深度优化了数据处理全链路能力。

Apache SeaTunnel

Apache SeaTunnel是一个云原生的高性能海量数据集成工具。北京时间 2023 年 6 月1 日，全球最大的开源软件基金会ApacheSoftware Foundation正式宣布Apache SeaTunnel毕业成为Apache顶级项目。目前，SeaTunnel在GitHub上Star数量已达8k+，社区达到6000+人规模。SeaTunnel支持在云数据库、本地数据源、SaaS、大模型等170多种数据源之间进行数据实时和批量同步，支持CDC、DDL变更、整库同步等功能，更是可以和大模型打通，让大模型链接企业内部的数据。

同步Demo

新手入门

SeaTunnel 让数据集成变得 So easy！/ 3 分钟入门指南

0 到 1 快速入门 /初探/深入理解

分布式集群部署 | CDC数据同步管道 | Oracle-CDC

最佳实践

测试报

SeaTunnel VS GLUE | VS Airbyte | VS DataX|SeaTunnel 与 DataX 、Sqoop、Flume、Flink CDC 对比

源码解析

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

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。