如何使用 SeaTunnel 同步 MySQL 数据到 Hive

SeaTunnel 2023-01-16

5238

点亮 ⭐️ Star · 照亮开源之路

https://github.com/apache/incubator-seatunnel

本文主要演示通过SeaTunnel-Engine运行同步任务，将 MySQL数据同步至Hive。当然，使用Flink、Spark操作也类似。（文末有视频教程）

第一步：环境准备

Java 8 或 11 并配置JAVA_HOME
Git
Maven

第二步：下载SeaTunnel并安装连接器

下载地址：https://seatunnel.apache.org/download/
下载SeaTunnel并安装2.3.0版本
https://www.apache.org/dyn/closer.lua/incubator/seatunnel/2.3.0/apache-seatunnel-incubating-2.3.0-bin.tar.gz

详细的安装过程可以参考：https://seatunnel.apache.org/docs/2.3.0/start-v2/locally/deployment

第三步：创建测试数据

1、在MySQL创建表source_user

create table source_user(userid int(4) primary key not null auto_increment,username varchar(16) not null);

并插入一些数据

insert into source_user (username) values ("z3");
insert into source_user (username) values ("l4");
insert into source_user (username) values ("w5");

2、在Hive中创建表sink_user

create table sink_user( userid int, username string);

第四步：运行作业

1、下载MySQL驱动程序

下载mysql驱动程序并放在 plugins/Jdbc/lib/目录下
MySQL驱动可以从这里下载：https://dev.mysql.com/downloads/connector/j/

2、下载和拷贝Hive连接器所需包

目前版本Hive连接器需将以下包拷贝到 ./lib/ 目录下
hive-exec-x.x.x.jar 这个包可以从hive的lib目录下找到。
flink-shaded-hadoop-2-uber-x.x.x-xx.x.jar 这个包可以从这里下载：https://mvnrepository.com/artifact/org.apache.flink/flink-shaded-hadoop-2-uber

3、创建任务配置文件mysql_to_hive.conf 放在 ./conf/目录下

env {
  job.mode = "BATCH"
}
 
source {
    Jdbc {
        url = "jdbc:mysql://ctyun9/test?serverTimezone=GMT%2b8"
        driver = "com.mysql.cj.jdbc.Driver"
        user = "root"
        password = "123456"
        query = "select * from source_user"
    }
}
 
transform {
}
 
sink {
  Hive {
    table_name = "st.sink_user"
    metastore_uri = "thrift://localhost:9083"
  }
 
}

如果我们需要分片并行读取，可以在JDBC中配置partition_column 和 partition_num。

连接器文档可以参考这里👉https://seatunnel.apache.org/docs/2.3.0-beta/connector-v2/source/Jdbc、https://seatunnel.apache.org/docs/2.3.0-beta/connector-v2/sink/Hive

4、运行任务

通过./bin/seatunnel.sh 可以运行同步任务。
通过-e 可以执行运行模式

LOCAL为本地模式，会在本机启动一个SeaTunnel实例并提交任务运行，任务运行完成后会自动关闭实例
CLUSTER为集群模式，可以把任务提交到SeaTunnel集群。

./bin/seatunnel.sh -e LOCAL -c ./config/mysql_to_hive.conf

集群模式

SeaTunnel也支持集群模式，集群模式的部署可以参考https://seatunnel.apache.org/docs/2.3.0/seatunnel-engine/deployment。

相比之下，集群模式比Local模式拥有更好的性能，同时支持作业的多机并行，支持集群HA、断点续传、历史作业信息存储等特性。

集群模式的使用方式可以参考 https://seatunnel.apache.org/docs/2.3.0/seatunnel-engine/cluster-mode。

Apache SeaTunnel

Apache SeaTunnel(Incubating) 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/incubator-seatunnel

网址：

https://seatunnel.apache.org/

Proposal：

https://cwiki.apache.org/confluence/display/INCUBATOR/SeaTunnelPro

Apache SeaTunnel(Incubating) 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/incubator-seatunnel/issues

贡献代码：

https://github.com/apache/incubator-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-1cmonqu2q-ljomD6bY1PQ~oOzfbxxXWQ

关注 Twitter: