Apache SeaTunnel k8s 集群模式 Zeta 引擎部署指南

SeaTunnel提供了一种运行Zeta引擎(cluster-mode)的方法,可以让Kubernetes在本地运行Zeta引擎,实现更高效的应用程序部署和管理。在本文中,我们将探索SeaTunnel k8s运行zeta引擎(cluster-mode模式)的更多信息,了解如何更好地利用Zeta引擎的优势。

  1. 将SeaTunnel上传至服务器上。我之前已经解压并执行过install-plugin.sh,这里为了方便,我直接用的执行过install-plugin.sh脚本之后的seatunnel做演示。

执行过install-plugin后的lib目录包含如下:

复制代码
tar -zxvf apache-seatunnel-2.3.3-bin.tar.gz
sh apache-seatunnel-2.3.3/bin/install-plugin.sh
tar -czvf  apache-seatunnel-2.3.3-bin.tar.gz  apache-seatunnel-2.3.3
  1. 构建seatunnel镜像。在安装seatunnel的同级文件夹下创建Dockerfile。配置如下,可自行选择版本:

    复制代码
    FROM openjdk:8
    ENV SEATUNNEL_HOME="/opt/seatunnel"
    ENV SEATUNNEL_VERSION="2.3.3"
    COPY /apache-seatunnel-${SEATUNNEL_VERSION}-bin.tar.gz /opt/apache-seatunnel-${SEATUNNEL_VERSION}-bin.tar.gz
    WORKDIR /opt
    RUN tar -xzvf apache-seatunnel-${SEATUNNEL_VERSION}-bin.tar.gz
    RUN mv apache-seatunnel-${SEATUNNEL_VERSION} seatunnel
    RUN rm -f /opt/apache-seatunnel-${SEATUNNEL_VERSION}-bin.tar.gz
    WORKDIR /opt/seatunnel

执行命令

复制代码
docker build -t seatunnel:2.3.3 -f Dockerfile.
  1. 查看镜像

    docker images

如下所示镜像

  1. 将镜像load进k8s,这里用的minikube做演示

    复制代码
    minikube image load seatunnel:2.3.3

    上述可参考:手把手教你掌握SeaTunnel k8s运行Zeta引擎本地模式的技巧

  2. 创建configmap如下

    复制代码
    kubectl create configmap hazelcast-client  --from-file= config/hazelcast-client.yaml
    kubectl create configmap hazelcast  --from-file=config/hazelcast.yaml
    kubectl create configmap seatunnelmap  --from-file=config/seatunnel.yaml
  3. 使用Reloader实现更新configmap后自动重启pod

    wget https://raw.githubusercontent.com/stakater/Reloader/master/deployments/kubernetes/reloader.yaml

    kubectl apply -f reloader.yaml

  1. 创建seatunnel-cluster.yml如下

    apiVersion: v1
    kind: Service
    metadata:
    name: seatunnel
    spec:
    selector:
    app: seatunnel
    ports:

    • port: 5801
      name: seatunnel
      clusterIP: None

    apiVersion: apps/v1
    kind: StatefulSet
    metadata:
    name: seatunnel
    annotations:
    configmap.reloader.stakater.com/reload: "hazelcast,hazelcast-client,seatunnelmap"
    spec:
    serviceName: "seatunnel"
    replicas: 3
    selector:
    matchLabels:
    app: seatunnel
    template:
    metadata:
    labels:
    app: seatunnel
    spec:
    containers:
    - name: seatunnel
    image: seatunnel:2.3.3
    imagePullPolicy: IfNotPresent
    ports:
    - containerPort: 5801
    name: client
    command: ["/bin/sh","-c","/opt/seatunnel/bin/seatunnel-cluster.sh -DJvmOption=-Xms2G -Xmx2G"]
    resources:
    limits:
    cpu: "1"
    memory: 4G
    requests:
    cpu: "1"
    memory: 2G
    volumeMounts:
    - mountPath: "/opt/seatunnel/config/hazelcast.yaml"
    name: hazelcast
    subPath: hazelcast.yaml
    - mountPath: "/opt/seatunnel/config/hazelcast-client.yaml"
    name: hazelcast-client
    subPath: hazelcast-client.yaml
    - mountPath: "/opt/seatunnel/config/seatunnel.yaml"
    name: seatunnelmap
    subPath: seatunnel.yaml
    volumes:
    - name: hazelcast
    configMap:
    name: hazelcast
    - name: hazelcast-client
    configMap:
    name: hazelcast-client
    - name: seatunnelmap
    configMap:
    name: seatunnelmap

  2. 执行

    kubectl apply -f seatunnel-cluster.yml

  1. 修改configmap中的配置

    kubectl edit cm hazelcast

    修改集群地址
    这里采用的是headless service访问模式
    一般pod之间访问其格式为 ...svc.cluster.local

如下示例

  • seatunnel-0.seatunnel.default.svc.cluster.local
  • seatunnel-1.seatunnel.default.svc.cluster.local
  • seatunnel-2.seatunnel.default.svc.cluster.local

友情提示:不要用tab,用空格 。不然会报错

复制代码
kubectl edit cm hazelcast-client
复制代码
kubectl edit cm seatunnelmap

此处改为自己的hdfs地址。

  1. 可以看到如下
  1. 待所有节点都更新完毕处于running状态后 可进入容器内查看路径是否已修改

    kubectl exec -it seatunnel-0 /bin/bash
    cat config/hazelcast.yaml

  1. 在容器内查看日志

    tail -200f logs/seatunnel-engine-server.log

我们发现集群已经正常运行.

  1. 运行任务

我们可以再新打开一个连接,登录另一个pod节点执行任务来测试集群:

复制代码
kubectl exec -it seatunnel-1 /bin/bash

bin/seatunnel.sh --config config/v2.streaming.conf.template

我们发现其他pod内也已经开始运行任务

原文链接:https://blog.csdn.net/weixin_41854429/article/details/132836402

本文由 白鲸开源科技 提供发布支持!

相关推荐
starzy19901 小时前
Flink高级之富函数类深度剖析:执行时序、状态注册与序列化陷阱
大数据·flink
一切如来心秘密1 小时前
智驾数据闭环湖仓实战: Apache Paimon 分层建模实践
大数据·智驾数据闭环
tedcloud1238 小时前
Wand-Enhancer 怎么搭建?开源 Wand 客户端增强与远程控制工具介绍
大数据·服务器·人工智能·开源·音视频
大大大大晴天10 小时前
每天认识一个组件:分布式缓存Alluxio
大数据
AI_Auto11 小时前
架构视角看数字化转型|核心架构:大共享平台+小应用,从按需走向适变
大数据·人工智能·架构·制造
小蒋观天下11 小时前
社区AI智能摄像头完整选型指南
大数据·人工智能·安全·计算机视觉·语音识别·ai大模型
AI 思录12 小时前
Prompt 事故档案(八):日常表达被标为“待校准”,AI 的爹味语法从哪里来
大数据·人工智能·算法·prompt·用户体验·ai合规
2601_9657422213 小时前
全媒体运营与短视频代运营,两者有什么区别?
大数据·数据结构·人工智能·算法·ai·媒体
anxiao_m14 小时前
2026企业AI数字孪生选型攻略,不同场景对应不同解决方案
大数据·网络·数据库
SelectDB14 小时前
从 ClickHouse 迁移到 Doris:SQL 兼容、同步与验证清单(实战笔记)
大数据·数据库·数据分析