Apache SeaTunnel数据处理引擎适配的演进和规划

作者 | Chao Tian (tyrantlucifer)，Apache SeaTunnel PMC Member

摘要

Apache SeaTunnel作为一个高性能数据同步工具，以其高效的数据处理能力，为数据集成领域带来了创新。在引擎上，Apache SeaTunnel除了支持自身的Zeta引擎外，还支持Spark和Flink。在2024年的CommunityOverCode Asia，Apache SeaTunnel PMC Member 田超在论坛上为大家介绍了Apache SeaTunnel基于Flink的演进历程、架构设计、核心特性，以及社区的当前进展和未来规划。以下为演讲核心内容整理：

Apache SeaTunnel基于Flink的演进历程

Apache SeaTunnel的演进主要体现在两个API版本上：

• Flink API V1：SeaTunnel的初始API版本，与Flink的计算引擎紧密耦合，connector紧密依赖Flink接口。

• Flink API V2：SeaTunnel的新一代API，所有的插件还是继承了plug-in的形式，但实现了与计算引擎的解耦；支持更多Flink版本；不依赖于Flink原生连接器，Sink增加了Writer、Committer和Aggregated Committer，Source增加了Reader、Split和Split Enumerator；降低了Flink升级的成本；并提供了更细粒度的接口，增强了系统的可扩展性，满足更多元化的数据源的同步需求。

基于Flink的架构设计

从Job运行的角度，Apache SeaTunnel的架构设计紧密依托于Flink的数据处理能力。

在Common API层，SeaTunnel做了插件的抽象化，基于插件的抽象化，SeaTunnel可以对接不同的计算引擎。

对接层在SeaTunnel中统称翻译层（Translation Layer）。针对Flink，SeaTunnel实现了Flink代理的Source、Sink和Transform，生成Flink引擎的Job graph后，以实现数据在Flink上高效转换和同步。

基于Flink好用的核心特性

市面上的数据同步工具很多，比如Apache Flink CDC、Chunjun等。

相比之下，Apache SeaTunnel展现了以下特点：

• 支持的Flink版本：SeaTunnel支持1.13及以上版本，提供更广泛的兼容性。
• Flink连接器：SeaTunnel不依赖于Flink原生连接器，提供了更高的灵活性。
• 用户自定义指标：SeaTunnel允许用户定义自己的指标，增强了监控和分析能力。
• 数据转换支持：SeaTunnel支持数据的转换操作，包括但不限于映射、过滤等。
• Flink-SQL：尽管目前SeaTunnel不支持Flink-SQL，但这是社区未来工作的重点之一。

Apache SeaTunnel基于Flink的特性和好用的功能，我们也来总结一下：

1. 支持Flink原生的poll-push架构，可以实现实时获取分片数据，有效解决多并行度下的问题，最大化利用资源
2. 支持 Flink原生的两阶段提交功能
3. 支持Flink原生的用户自定义指标能力
4. 支持使用Flink原生的global-accumulator记录数据同步作业详情
5. 支持所有Flink作业提交模式（应用模式/会话模式）
6. 支持枚举器和读取器之间用户定义的事件通信
7. 支持Flink 1.13–1.18之间的所有版本

社区进展与未来规划

目前，Apache SeaTunnel社区正在积极推进以下工作：

• 多表读写支持：正在开发在Flink引擎上支持多表同时读写的功能，以支持一库多表读写，多表路由等场景，提高数据处理的效率和灵活性。目前，这一功能已在SeaTunnel Zeta引擎上实现。

• Flink Proxy Source & Sink重构：当前，Flink Proxy数据的同步需要在Flink proxy Row和SeaTunnel Row数据格式之间进行多次转换，这样的转换不但会有数据精度损失的风险，还极大地降低了数据转化的性能。为此，社区正在进行源和接收器的重构工作，以优化性能和稳定性。

未来，社区还计划实现以下特性：

• 模式演化（Schema Evolution）：目前，SeaTunnel仅在Spark和Zeta引擎上支持模式演化功能，未来，社区计划在Flink上支持数据模式的动态变化，以适应不断变化的数据需求。

• SQL转换支持：计划在Flink上支持SQL转换，包括选择投影、用户定义函数（UDF）、用户定义表函数（UDTF）和过滤条件等，以提供更丰富的数据处理能力。

结语

Apache SeaTunnel作为数据同步领域的一个创新工具，其基于Flink的高效数据处理能力，为数据集成带来了新的解决方案。社区的不断努力和创新，将使Apache SeaTunnel在未来的数据同步任务中发挥更大的作用。如需进一步了解或参与Apache SeaTunnel项目，欢迎加入社群参与讨论。

本文由 白鲸开源 提供发布支持！