论坛 › 分布式数据库 › Apache SeaTunnel脚本升级及参数调优实战

盛世宏图 发表于 2025-3-21 14:12:12

Apache SeaTunnel脚本升级及参数调优实战

最近作者针对实时数仓的Apache SeaTunnel同步链路，完成了双引擎架构升级与全链路参数深度调优，希望本文能够给大家有所启发，欢迎品评指正！
https://i-blog.csdnimg.cn/direct/37b929ca4c094c1d82412ff5d948c758.png
   Apache SeaTunnel 版本 ：2.3.9
Doris版本：2.0.6
MySQL JDBC Connector : 8.0.28
架构升级



[*] 批处置处罚链路：JDBC并行度进行提拔，基于ID分区实现分片读取，联合批量参数（fetch_size=10000+batch_size=5000）使全量同步吞吐量大幅增加
[*] 实时增量链路：引入MySQL-CDC组件，通过initial快照模式+chunk.size.rows=8096实现全量/增量平滑切换，变乱延长压降至500ms内
稳定性加强



[*] 资源管控：JDBC连接池动态扩容（max_size=20）+ CDC限流计谋（rows_per_second=1000），源库CPU峰值负载下降40%
[*] 容错机制：Doris两阶段提交（enable-2pc=true）共同检查点（checkpoint.interval=10s），故障规复时间收缩80%
写入优化



[*] 缓冲区三级联控（buffer-size=10000+buffer-count=3+flush.interval=5s）提拔Doris写入批次质量
[*] Tablet粒度控制（request_tablet_size=5）使BE节点负载均衡度提拔
实战演示

同步之前创建Doris表

https://i-blog.csdnimg.cn/direct/82018ef4fee54fd48c4e7eb7478f290c.png
-- DROP TABLE IF EXISTS ods.ods_activity_info_full;
CREATE TABLE ods.ods_activity_info_full
(
    `id`            VARCHAR(255) COMMENT '活动id',
    `k1`            DATE NOT NULL   COMMENT '分区字段',
    `activity_name` STRING COMMENT '活动名称',
    `activity_type` STRING COMMENT '活动类型',
    `activity_desc` STRING COMMENT '活动描述',
    `start_time`    STRING COMMENT '开始时间',
    `end_time`      STRING COMMENT '结束时间',
    `create_time`   STRING COMMENT '创建时间'
)
    ENGINE=OLAP-- 使用Doris的OLAP引擎，适用于高并发分析场景
    UNIQUE KEY(`id`,`k1`)-- 唯一键约束，保证(id, k1)组合的唯一性（Doris聚合模型特性）
COMMENT '活动信息全量表'
PARTITION BY RANGE(`k1`) ()-- 按日期范围分区（具体分区规则由动态分区配置决定）
DISTRIBUTED BY HASH(`id`)-- 按id哈希分桶，保证相同id的数据分布在同一节点
PROPERTIES
(
    "replication_allocation" = "tag.location.default: 1",-- 副本分配策略：默认标签分配1个副本
    "is_being_synced" = "false",          -- 是否处于同步状态（通常保持false）
    "storage_format" = "V2",             -- 存储格式版本（V2支持更高效压缩和索引）
    "light_schema_change" = "true",      -- 启用轻量级schema变更（仅修改元数据，无需数据重写）
    "disable_auto_compaction" = "false", -- 启用自动压缩（合并小文件提升查询性能）
    "enable_single_replica_compaction" = "false", -- 禁用单副本压缩（多副本时保持数据一致性）

    "dynamic_partition.enable" = "true",            -- 启用动态分区
    "dynamic_partition.time_unit" = "DAY",          -- 按天创建分区
    "dynamic_partition.start" = "-60",             -- 保留最近60天的历史分区
    "dynamic_partition.end" = "3",               -- 预先创建未来3天的分区
    "dynamic_partition.prefix" = "p",            -- 分区名前缀（如p20240101）
    "dynamic_partition.buckets" = "32",            -- 每个分区的分桶数（影响并行度）
    "dynamic_partition.create_history_partition" = "true", -- 自动创建缺失的历史分区

    "bloom_filter_columns" = "id,activity_name",-- 为高频过滤字段(id/名称)创建布隆过滤器，加速WHERE查询
    "compaction_policy" = "time_series",          -- 按时间序合并策略优化时序数据（适合活动时间字段）
    "enable_unique_key_merge_on_write" = "true",-- 唯一键写时合并（实时更新场景减少读放大）
    "in_memory" = "false"                        -- 关闭全内存存储（仅小表可开启）
);
设置SeaTunnel JDBC同步脚本

https://i-blog.csdnimg.cn/direct/1d23a673417a4aa09c96a3093fa8cc6d.png
env {
# 环境配置
parallelism = 8                     # 增加并行度以提高吞吐量
job.mode = "STREAMING"            # 使用流式处理模式进行实时同步
checkpoint.interval = 10000         # 检查点间隔，单位毫秒

# 限流配置 - 避免对源数据库造成过大压力
read_limit.bytes_per_second = 10000000# 每秒读取字节数限制，约10MB/s
read_limit.rows_per_second = 1000       # 每秒读取行数限制

# 本地检查点配置
execution.checkpoint.data-uri = "file:///opt/seatunnel/checkpoints"
execution.checkpoint.max-concurrent = 1# 最大并发检查点数

# 性能优化参数
execution.buffer-timeout = 5000          # 缓冲超时时间(毫秒)
execution.jvm-options = "-Xms4g -Xmx8g -XX:+UseG1GC -XX:MaxGCPauseMillis=100"
}

source {
MySQL-CDC {
    # 基本连接配置
    # server-id = 5652-5657             # MySQL复制客户端的唯一ID范围
    username = "root"                # 数据库用户名
    password = ""                # 数据库密码
    table-names = ["gmall.activity_info"]# 要同步的表
    base-url = "jdbc:mysql://192.168.241.128:3306/gmall?useUnicode=true&characterEncoding=UTF-8&serverTimezone=Asia/Shanghai"

    # CDC 特有配置
    schema-changes.enabled = true   # 启用架构变更捕获
    server-time-zone = "Asia/Shanghai"# 服务器时区

    # 性能优化配置
    snapshot.mode = "initial"         # 初始快照模式
    snapshot.fetch.size = 10000       # 快照获取大小
    chunk.size.rows = 8096            # 分块大小，用于并行快照
    connection.pool.size = 10         # 连接池大小

    # 高级配置
    include.schema.changes = true   # 包含架构变更事件
    scan.startup.mode = "initial"   # 启动模式：initial(全量+增量)
    scan.incremental.snapshot.chunk.size = 8096# 增量快照分块大小
    debezium.min.row.count.to.stream.results = 1000# 流式结果的最小行数

    # 容错配置
    connect.timeout = 30000         # 连接超时时间(毫秒)
    connect.max-retries = 3         # 最大重试次数

    # 输出表名
    result_table_name = "mysql_cdc_source"
}
}

# 可选的转换逻辑，如果需要对数据进行处理
transform {
Sql {
    source_table_name = "mysql_cdc_source"
    result_table_name = "doris_sink_data"

    # 根据需要转换字段，这里添加了一个分区字段k1
    query = """
      select
      id,
      formatdatetime(create_time,'yyyy-MM-dd') as k1,
      activity_name,
      activity_type,
      activity_desc,
      start_time,
      end_time,
      create_time
      from mysql_cdc_source
    """
}
}

sink {
Doris {
    # 基本连接配置
    source_table_name = "doris_sink_data"# 或直接使用 "mysql_cdc_source"
    fenodes = "192.168.241.128:8030"
    username = "root"
    password = ""
    table.identifier = "ods.ods_activity_info_full"# Doris目标表

    # 事务和标签配置
    sink.enable-2pc = "true"          # 启用两阶段提交，确保一致性
    sink.label-prefix = "cdc_sync"    # 导入标签前缀

    # 写入模式配置
    sink.properties {
      format = "json"
      read_json_by_line = "true"
      column_separator = "\t"         # 列分隔符
      line_delimiter = "\n"         # 行分隔符
      max_filter_ratio = "0.1"      # 允许的最大错误率

      # CDC特有配置 - 处理不同操作类型
      # 使用Doris的UPSERT模式处理CDC事件
      merge_type = "MERGE"            # 合并类型：APPEND或MERGE
      delete_enable = "true"          # 启用删除操作
    }

    # 性能优化配置
    sink.buffer-size = 10000          # 缓冲区大小
    sink.buffer-count = 3             # 缓冲区数量
    sink.flush.interval-ms = 5000   # 刷新间隔
    sink.max-retries = 3            # 最大重试次数
    sink.parallelism = 8            # 写入并行度

    # Doris连接优化
    doris.config = {
      format = "json"
      read_json_by_line = "true"
      request_connect_timeout_ms = "5000"# 连接超时
      request_timeout_ms = "30000"         # 请求超时
      request_tablet_size = "5"            # 每个请求的tablet数量
    }
}
}
设置SeaTunnel MySQLCDC 同步脚本

https://i-blog.csdnimg.cn/direct/dbe812074acb4f9793b443ba4f394821.png
env {
parallelism = 8
job.mode = "BATCH"
checkpoint.interval = 30000

# 本地文件系统检查点
execution.checkpoint.data-uri = "file:///opt/seatunnel/checkpoints"
execution.buffer-timeout = 5000

# JVM 参数优化
execution.jvm-options = "-Xms4g -Xmx8g -XX:+UseG1GC -XX:MaxGCPauseMillis=100"
}

source {
Jdbc {
    result_table_name = "mysql_seatunnel"
    url = "jdbc:mysql://192.168.241.128:3306/gmall?useUnicode=true&characterEncoding=UTF-8&serverTimezone=Asia/Shanghai&useSSL=false&rewriteBatchedStatements=true&useServerPrepStmts=true&cachePrepStmts=true"
    driver = "com.mysql.cj.jdbc.Driver"
    connection_check_timeout_sec = 30
    user = "gmall"
    password = "gmall"

    # 使用分区并行读取
    query = "select id, activity_name, activity_type, activity_desc, start_time, end_time, create_time from gmall.activity_info"
    partition_column = "id"
    partition_num = 8

    # 连接池配置
    connection_pool {
      max_size = 20
      min_idle = 5
      max_idle_ms = 60000
    }

    # 批处理配置
    fetch_size = 10000
    batch_size = 5000
    is_exactly_once = true
}
}

transform {
Sql {
    source_table_name = "mysql_seatunnel"
    result_table_name = "seatunnel_doris"

    query = """
      select
      id,
      formatdatetime(create_time,'yyyy-MM-dd') as k1,
      activity_name,
      activity_type,
      activity_desc,
      start_time,
      end_time,
      create_time
      from mysql_seatunnel
    """
}
}

sink {
Doris {
    source_table_name = "seatunnel_doris"
    fenodes = "192.168.241.128:8030"
    username = "root"
    password = ""
    table.identifier = "ods.ods_activity_info_full"
    sink.enable-2pc = "true"
    sink.label-prefix = "test_json"

    # 优化Doris写入配置
    sink.properties {
      format = "json"
      read_json_by_line = "true"
      column_separator = "\t"
      line_delimiter = "\n"
      max_filter_ratio = "0.1"
    }

    # 批量写入配置
    sink.buffer-size = 10000
    sink.buffer-count = 3
    sink.flush.interval-ms = 5000
    sink.max-retries = 3
    sink.parallelism = 8

    doris.config = {
      format = "json"
      read_json_by_line = "true"
      request_connect_timeout_ms = "5000"
      request_timeout_ms = "30000"
      request_tablet_size = "5"
    }
}
}
终极Apache Doris数据：
https://i-blog.csdnimg.cn/direct/ae59d9d9a1604c4b95cb87290c93a8a5.png
本文完！

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。

查看完整版本: Apache SeaTunnel脚本升级及参数调优实战