【数据中台】开源项目（4）-BitSail

介绍

BitSail是字节跳动开源的基于分布式架构的高性能数据集成引擎, 支持多种异构数据源间的数据同步，并提供离线、实时、全量、增量场景下的全域数据集成解决方案，目前服务于字节内部几乎所有业务线，包括抖音、今日头条等，每天同步数百万亿数据。

开源地址：GitHub - bytedance/bitsail: BitSail is a distributed high-performance data integration engine which supports batch, streaming and incremental scenarios. BitSail is widely used to synchronize hundreds of trillions of data every day.

为什么我们要使用BitSail

BitSail目前已被广泛使用,并支持数百万亿的大流量场景。同时在火山引擎云原生环境、客户私有云环境等多种场景下得到验证。

我们积累了很多经验，并做了多项优化，以完善数据集成的功能

• 全域数据集成解决方案, 覆盖离线、实时、增量场景

• 分布式以及云原生架构, 支持水平扩展

• 在准确性、稳定性、性能上，成熟度更好

• 丰富的基础功能，例如类型转换、脏数据处理、流控、数据湖集成、自动并发度推断等

• 完善的任务运行状态监控，例如流量、QPS、脏数据、延迟等

BitSail使用场景

• 异构数据源海量数据同步

• 流批一体数据处理能力

• 湖仓一体数据处理能力

• 高性能、高可靠的数据同步

• 分布式、云原生架构数据集成引擎

BitSail主要特点

• 简单易用，灵活配置

• 流批一体、湖仓一体架构，一套框架覆盖几乎所有数据同步场景

• 高性能、海量数据处理能力

• DDL自动同步

• 类型系统，不同数据源类型之间的转换

• 独立于引擎的读写接口，开发成本低

• 任务进度实时展示，正在开发中

• 任务状态实时监控

BitSail架构

Source[Input Sources] -> Framework[Data Transmission] -> Sink[Output Sinks]

数据处理流程如下，首先通过 Input Sources 拉取源端数据，然后通过中间框架层处理，最后通过 Output Sinks 将数据写入目标端

在框架层，我们提供了丰富的基础功能，并对所有同步场景生效，比如脏数据收集、自动并发度计算、流控、任务监控等

在数据同步场景上，全面覆盖批式、流式、增量场景

在Runtime层，支持多种执行模式，比如yarn、local，k8s在开发中

支持的连接器

DataSource	Sub Modules	Reader	Writer
Assert	-		✅
ClickHouse	-	✅	-
Doris	-		✅
Druid	-		✅
Elasticsearch	-		✅
Fake	-	✅
FTP/SFTP	-	✅
Hadoop	-	✅	✅
HBase	-	✅	✅
Hive	-	✅	✅
Hudi	-	✅	✅
JDBC	MySQL	✅	✅
	Oracle
	PostgreSQL
	SqlServer
Kafka	-	✅	✅
Kudu	-	✅	✅
LarkSheet	-	✅
MongoDB	-	✅	✅
Print	-		✅
Redis	-		✅
RocketMQ	-		✅
SelectDB	-		✅