使用SeaTunnel从InfluxDB同步数据到Doris

本文介绍了如何使用SeaTunnel将数据从InfluxDB同步到Doris。通过SeaTunnel强大的数据集成功能，用户可以高效地将存储于InfluxDB中的时间序列数据传输至Doris，便于数据的访问与分析。

版本信息：
SeaTunnel 2.3.3
InfluxDB 2.7.6
Doris 2.1.3 rc09

准备事项

SeaTunnel2.3.3的安装过程这里就省略了，可以参考官网文档。

SeaTunnel2.3.3安装好以后需要删掉两个连接用的jar包，不然后面同步数据库会报错：connector-hudi-2.3.3.jar和connector-datahub-2.3.3.jar.

需要增加的jar包：seatunnel-api-2.3.3.jar，seatunnel-transforms-v2-2.3.3.jar，mysql-connector-java-8.0.28.jar，jersey-client-1.19.4.jar，这四个jar包必须添加，不然无法同步数据运行同步脚本直接报错没有某个类。

InfluxDB 2.7.6 需要做的前提事项：下面这个步骤必须要做，不然查不到数据，

InfluxDB Studio-0.2.0（这个客户端工具有个好处，可以查看字段类型，方便同步文件中的字段类型的定义，其他的客户端好像没有，也有可能是我没发现），可下载这个客户端进行连接查询数据。

Linux安装influxDB 2.7.6版本后，正常使用ip:8086 可访问influxdb UI，填写用户名、密码、org、buckets。

同步过程及踩坑点

SeaTunnel 2.3中集成InfluxDB配置用户名、密码后，执行同步任务总是报获取字段异常信息。

于是乎跟踪SeaTunnel代码，发现内部一直401权限认证失败。于是使用InfluxDB Studio数据库管理工具连接，输入ui页面相同的用户名，密码后一直报401权限认证不通过。通过查资料发现ui页面的用户名密码仅供ui页面使用，不能作为数据库本身访问的用户名密码。

使用iInfluxDB client客户端，查询权限influx v1 auth list结果为空。

使用命令分配权限
influx v1 auth create -o orgName --read-bucket bucketId --username=username，
或者：influx v1 auth create -o "组织名称" --write-bucket bucketId(桶id，不需要引号) --read-bucket bucketId(桶id，不需要引号) --username=账号 --password=密码

删除命令：influx v1 auth delete --id 'id编码'

删除命令中的id编码为influx v1 auth list命令查出来的ID，下图所示：

命令执行完成后需输入两次密码。InfluxDB Studio数据库管理工具再次使用此用户名密码登录成功，SeaTunnel同步成功。

同步数据配置文件：v1.batch.config_tmp.template：

env {execution.parallelism = 1job.mode = "BATCH"checkpoint.interval = 10000
}source {influxdb {url = "http://X.X.X.X:8086"token = "写自己的token" #可有可无org = "自己的组织名称"bucket = "自己的桶" #可有可无database = "自己的桶"username = "写在第四步自己新建的influxdb账号"password = "写在第四步自己新建的influxdb密码"epoch = "H" #这个有好几级，可以去官网查看query_timeout_sec = 600measurement = "prometheus_remote_write" #数据表fields = ["node_cpu_seconds_total", "node_memory_MemTotal_bytes"] #可有可无，配置自己的字段sql = """SELECT node_cpu_seconds_total as system_cpu_usage,cpu as process_occupy_physical_memory_size,job as create_dept,node_memory_MemTotal_bytes as process_read_written_file_system_total_bytes,node_memory_MemAvailable_bytes as process_open_file_describe_quantity,time as create_time FROM "prometheus_remote_write" where time > now() - 1h"""where = " where time > now() - 1h" #经过本人测试。上面的sql查询的字段必须经过重命名，或者doris建表的字段必须和influxdb2的字段完全一致，不然transform 中进行转换的时候就会成为空值，这个我还没研究明白为什么，研究明白了在补上说明，doris的表字段类型也必须和influxdb2中查询的字段类型一致，不然数据存不到doris中。schema 重定义的事influxdb2查到的字段和类型schema {fields {#node_cpu_seconds_total = FLOATsystem_cpu_usage = FLOATprocess_occupy_physical_memory_size = INTcreate_dept = STRINGprocess_read_written_file_system_total_bytes = FLOATprocess_open_file_describe_quantity = FLOATcreate_time = BIGINT}}}
}sink {Doris {fenodes = "X.X.X.X:8030"username = "账号"password = "密码"table.identifier = "sbyw_data_acquisition.sbyw_application_process_type_tmp"sink.label-prefix = "test-cdc"sink.enable-2pc = "true"sink.enable-delete = "true"sink.max-retries = 3batch_size = 10000result_table_name = "sbyw_application_process_type_tmp"doris.config {format = "json"read_json_by_line = "true"}}
}transform {FieldMapper {source_table_name = "prometheus_remote_write"result_table_name = "sbyw_application_process_type_tmp"field_mapper = {#node_cpu_seconds_total = system_cpu_usagesystem_cpu_usage = system_cpu_usageprocess_occupy_physical_memory_size = process_occupy_physical_memory_sizeprocess_read_written_file_system_total_bytes = process_read_written_file_system_total_bytesprocess_open_file_describe_quantity = process_open_file_describe_quantitycreate_time = create_timecreate_dept = create_dept}}
}

写好同步数据脚本文件运行同步命令：./bin/seatunnel.sh -c ./config/v1.batch.config_tmp.template

下面是我Doris的测试表：

下面是InfluxDB Studio-0.2.0客户端查到 InfluxDB 2.7.6的数据：

InfluxDB 2.7.6有个坑点，它支持sql查询，但不完全支持，它只支持常规的简单查询，例如下图中的查询就可以查询，但是如下图所示，可能会有人说我后面没加group by，经过测试是不行的，即使加上group by也是无法执行，那是因为官方压根不支持的这种查询。

但是下图这样是可以的，InfluxDB 2官方就是这样设计的，聚合查询无法和单字段进行同步查询。

最后是运行结果：

同步到Doris的数据：

原文链接：https://blog.csdn.net/2401_84562349/article/details/140919192

本文由 白鲸开源 提供发布支持！