seatunnel示例

1. 目标 去实现一个简单的逻辑

mysql数据同步到hive,大致流程如下

分为离线和实时两部分

我们先实现离线

所需要以下内容

Flink，Seatunnel，Mysql，Hive，Hadoop，Java

2.离线Mysql到Hive数据同步

1）准备所需要的

2）开始

1. mysql创建数据库及其内容

-- 创建数据库
create database seatunnel;

-- 进入seatunnel数据库
use seatunnel;

-- 创建表
create table day_test(
dname varchar(64),
dage int
);

-- 插入数据
insert into day_test values('张三',20);
insert into day_test values('李四',18);
insert into day_test values('王二',29);
insert into day_test values('麻子',22);

我的数据库有数据，没什么太大问题，懒得删

2.hive创建接收数据表

#打开hive
hive

#新建数据库
create database mydemo;

#进入库
use mydemo;

#新建表
create table hive_mysql(
hname varchar(64),
hage int
);

#查看当前表的内容
select * from hive_mysql;

我的hive里有数据，这个没什么影响，不用管

ps1.错误一

hive的开启顺序是：先启动mysql，再启动hadoop集群，再启动hive

ps2.错误二

如果出现以下错误

这说明你的hive服务器没开，新开个页面，输入

hive --service metastore &

不关闭这个页面就行了，放后台，这时候就行了

3.修改Seatunnel配置文件

这是我的Seatunnel安装路径，你们换成自己的就行

#进入Seatunnel目录下的conf
cd /seatunnel/apache-seatunnel-incubating-2.3.0/conf

#复制配置文件并改名，变为我们后面的启动文件
cp /seatunnel/apache-seatunnel-incubating-2.3.0/conf/seatunnel.streaming.conf.template /seatunnel/apache-seatunnel-incubating-2.3.0/conf/example01.conf

#打开文件修改
vi example01.conf

#保存并退出
:wq

example01.conf文件内容如下

env {
    execution.parallelism = 1
}
# 在source所属的块中配置数据源
source {
Jdbc {
        driver = "com.mysql.cj.jdbc.Driver"
        url = "jdbc:mysql://127.0.0.1:3306/seatunnel?serverTimezone=GMT%2b8&characterEncoding=utf-8"
        user = "root"
        password = "123456"
        query = "select * from day_test"
    }
}
# 在transform的块中声明转换插件
transform {

}
# 在sink块中声明要输出到哪
sink {
     Hive {
    table_name = "mydemo.hive_mysql"
    metastore_uri = "thrift://127.0.0.1:9083"
    schema {
      fields {
               hname = string
                hage= int
            }
          }
  }
}

4.去使用Flink提交同步作业

cd /seatunnel/apache-seatunnel-incubating-2.3.0

#用我们刚配置的文件去启动作业
./bin/start-seatunnel-flink-connector-v2.sh --config ./config/example01.conf

提交任务，任务完成

这时打开Flink的web页面

这里就可以看见运行的结果，错误或者单纯查询可以显示在这，正确了没有显示，我这是之前的测试

这时候再去hive里查询字段

select * from hive_mysql;

内容如下

自此离线完成，反过来也能同步，hive-->mysql

2. 实时CDC挖取日志同步到Hive

1. Mysql CDC配置打开

ps.

Mysql CDC内容读取成功，但是报运行时错误，没法同步到kafka

后续Kafka同步到Hive已经可以实现，解决了写上来

2. Kafka挖取日志

kafka放入sink里接收内容，配置如下

sink {
    kafka {
      topic = "seatunnel"
      bootstrap.servers = "127.0.0.1:9092"
      partition = 3
      format = json
      kafka.request.timeout.ms = 60000
      semantics = EXACTLY_ONCE
  }
}

3. Kafka同步数据到Hive

编写配置内容 kafka_hive.conf

#kafka要是json格式
env {
    execution.parallelism = 1
}
# 在source所属的块中配置数据源
source {
    Kafka {
    result_table_name = "kafka_name"
    schema = {
      fields {
        id = "int"
        name = "string"
        age = "int"
      }
    }
    format = json
    field_delimiter = "#"
    topic = "mybate2"
    bootstrap.servers = "127.0.0.1:9092"
    kafka.max.poll.records = 500
    kafka.client.id = 127.0.0.1
  }
}
# 在transform的块中声明转换插件
transform {

}
# 在sink块中声明要输出到哪
sink {
         Hive {
    table_name = "mydemo.hive_mysql"
    metastore_uri = "thrift://127.0.0.1:9083"
    schema {
      fields {
                hid = int
               hname = string
                hage= int
            }
          }
  }
}

设置编写启动脚本

vim kafka_stop.sh

内容如下

#!/bin/sh
#启动kafka挖取hive
./bin/start-seatunnel-flink-connector-v2.sh --config ./config/example01.conf
 
#等3秒后执行
sleep 3
 
#启动kafka同步数据到hive
./bin/start-seatunnel-flink-connector-v2.sh --config ./config/kafka_hive.conf

为脚本添加权限

chmod +x cdc_hive.sh

4. 提交Flink作业

sh cdc_hive.sh

这时打开hive，输入show tables；就可以看到内容的变更