部署Seatunnel引擎

Mustard 收录于 Big Data

2023-02-28 约 300 字预计阅读 2 分钟 - 次阅读

该文档针对 Seatunnel v2.3.0版本.

1. 下载

Seatunnel Engine是 Seatunnel 的默认引擎. Seatunnel 的安装包已经包含了所有Seatunnel Engine的内容.

2. 配置`SEATUNNEL_HOME`

添加文件: /etc/profile.d/seatunnel.sh

添加内容:

export SEATUNNEL_HOME=${seatunnel install path}
export PATH=$PATH:$SEATUNNEL_HOME/bin

3. 配置`Seatunnel Engine`的 JVM 参数

Seatunnel Engine支持两种方式设置 jvm 参数

在$SEATUNNEL_HOME/bin/seatunnel-cluster.sh中添加.

修改该文件: 在第一行添加内容JAVA_OPTS="-Xms2G -Xmx2G"
在启动Seatunnel Engine的时候添加 jvm 参数. 🌰: seatunnel-cluster.sh -DJvmOption="-Xms2G -Xmx2G"

4. 配置`Seatunnel Engine`

Seatunnel Engine提供了很多需要在seatunnel.yaml(在$SEATUNNEL_HOME/config/下)中设置的参数.

4.1 Backup count (备份数)

Seatunnel Engine实现了基于Hazelcast IMDG的集群管理. 集群的状态数据(任务运行状态, 资源状态)存放在Hazelcast IMap中. 这些状态数据在 Hazelcast IMap 中是分布式的并且是存储在所有集群节点中的. Hazelcast 会将数据分区存储在 Imap 中. 每个分区可以指定备份的数量. 因此, Seatunnel Engine可以在不使用其他服务(例如 zookeeper)的情况下实现集群.

backup count参数定义了同步备份的数量. 举个🌰, 如果设置为1, 分区的备份将会存放在另一个分区上; 设置为2, 将会存放在另外两个分区上.

backup count建议为min(1, max(5, N/2)), 其中N为集群节点数

seatunnel:
	engine:
		backup-count: 1
		# other config

4.2 Slot service (插槽服务)

插槽的数量决定了集群节点可以并行运行的任务组的数量. Seatunnel Engine是一个数据同步引擎, 并且大多数的任务都是IO密集型的.

建议使用动态插槽:

seatunnel:
	engine:
		slot-service:
			dynamic-slot: true
		# other config

4.3 Checkpoint Manager (检查点管理)

像是 FLink, Seatunnel Engine也支持 Chandy–Lamport 算法(分布式快照算法). Seatunnel Engine可以在没有数据丢失和重复的前提下实现数据同步.

interval (间隔)

两个检查点之间的间隔单位是毫秒. 如果checkpoint.interval参数在任务的配置文件的env块中设置了, 这个值将会被覆盖掉.

timeout (超时)

检查点的超时. 如果一个检查点没有在超时范围内完成的话, 那么这个检查点就触发失败. 因此, 任务就会被恢复.

max-concurrent (最大并发)

最多可以同时执行多少个检查点.

tolerable-failure (重试)

检查点失败后最大重试次数.

seatunnel:
	engine:
		backup-count: 1
		print-execution-info-interval: 10
		slot-service:
			dynamic-slot: true
		checkpoint:
			interval: 300000
			timeout: 10000
			max-concurrent: 1
			tolerable-failure: 2

checkpoint storage (检查点存储)

todo

5. 配置`Seatunnel Engine`服务

所有Seatunnel Engine服务配置都在hazelcast.yaml文件中.

5.1 cluster-name (集群名称)

Seatunnel Engine节点通过集群名来判断对方是否和自身属于同一集群. 如果两个节点之间的集群名是不同的, 那么Seatunnel Engine会拒绝服务请求.

5.2 Network (网络)

基于Hazelcast,Seatunnel Engine集群是运行Seatunnel Engine服务的集群成员网络. 集群成员自动连接在一起组成一个集群. 这种自动加入是通过集群成员用来相互查找的各种发现机制进行的.

需要注意一点, 一旦集群建立, 无论是通过什么样的发现机制, 各集群成员之间的通信总是通过 TCP/IP 完成的.

Seatunnel Engine使用以下发现机制:

TCP

可以将Seatunnel Engine配置为一个完整的 TCP/IP 集群.

🌰

hazelcast:
  cluster-name: seatunnel
  network:
    join:
      tcp-ip:
        enabled: true
        member-list:
          - hostname1
    port:
      auto-increment: false
      port: 5801
  properties:
    hazelcast.logging.type: log4j2

TCP是在单独的SeaTunnel引擎集群中的建议方式.

另一方面, Hazelcast 提供了一些其他服务发现方法. 点此查看详情: Hazelcast Network

6. 配置`SeaTunnel Engine`客户端

所有SeaTunnel Engine客户端配置都在hazelcast-client.yaml文件中.

6.1 cluster-name (集群名称)

客户端必须和Seatunnel Engine的cluster-name一致. 否则, Seatunnel Engine将会拒绝客户端的请求.

6.2 Network (网络)

cluster-members (集群成员)

所有Seatunnel Engine服务节点地址需要添加在这:

hazelcast-client:
  cluster-name: seatunnel
  properties:
      hazelcast.logging.type: log4j2
  network:
    cluster-members:
      - hostname1:5801

7. 启动`SeaTunnel Engine`服务节点

mkdir -p $SEATUNNEL_HOME/logs
nohup seatunnel-cluster.sh &

日志会写在$SEATUNNEL_HOME/logs/seatunnel-server.log中.

8. 安装`Seatunnel Engine`客户端

只需要将Seatunnel Engine节点上的$Seatunnel Engine目录复制到客户端节点, 并像Seatunnel Engine服务节点一样配置$Seatunnel Engine就可以了.