如何使用 SeaTunnel 同步 MySQL 数据到 Hive

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。