【用户投稿】手把手基于Apache SeaTunnel从PostgreSQL同步到Doris

本文详细演示了如何通过 Apache SeaTunnel 2.3.9 实现 PostgreSQL 14.6 到 Apache Doris 3.0.3 的全量数据同步，涵盖从环境部署到生产验证的完整闭环，请各位小伙伴批评指正！

版本要求：

• PostgreSQL --> Server 14.6
• Apache SeaTunnel --> Apache-SeaTunnel-2.3.9
• Apache Doris --> Apache-Doris-3.0.3

自行部署Apache Doris

Apache Doris 1台 Master 、2台节点：

• 配置好每台的时间同步
• 配置好每台的文件句柄数

vi /etc/security/limits.conf 
* soft nofile 1000000
* hard nofile 1000000

复制

JAVA选择

• 在 2.1（含）版本之前，请使用 Java 8，推荐版本：jdk-8u352 之后版本。
• 从 3.0（含）版本之后，请使用 Java 17，推荐版本：jdk-17.0.10 之后版本。

关闭 swap 分区

swapoff -a #临时关闭
注释修改/etc/fstab #永久关闭

复制

• 安装包下载
• 安装步骤
• FE 集群部署

tar -xf apache-doris-3.0.3.bin.tar.gz

复制

EF配置文件，每个节点都可以使用同一个配置如何java路径一致的话。

cat apache-doris-3.0.3/fe/conf/fe.conf
...
## modify case sensitivity
lower_case_table_names = 1
## modify Java Home
JAVA_HOME = <your-java-home-path>
...
#其他配置不动

复制

启动Master节点

bin/start_fe.sh --daemon

复制

MySQL工具登录Doris添加FE Follower
节点

mysql -uroot -P<fe_query_port> -h<fe_ip_address>
ALTER SYSTEM ADD FOLLOWER "<fe_ip_address>:<fe_edit_log_port>"

复制

启动 FE Follower
 节点填写master-ip
和端口

bin/start_fe.sh --helper <helper_fe_ip>:<fe_edit_log_port> --daemon

复制

查看FE状态

show frontends\G;
#IsMaster: true 代表是master节点

复制

部署 BE集群,其他所有节点都可以使用这个配置

cat be/conf/be.conf
...
storage_root_path=/home/data1;/home/data2;/home/data3
JAVA_HOME = <your-java-home-path>
mem_limit = 4G
...

#创建
mkdir /home/data1
mkdir /home/data2
mkdir /home/data3

复制

在 Doris 中注册 BE 节点

## connect a alive FE node
mysql -uroot -P<fe_query_port> -h<fe_ip_address>
   
## registe BE node
ALTER SYSTEM ADD BACKEND "<be_ip_address>:<be_heartbeat_service_port>"

复制

启动 BE 进程

bin/start_be.sh --daemon

复制

查看 BE 启动状态

 ## connect a alive FE node
mysql -uroot -P<fe_query_port> -h<fe_ip_address>
   
## check BE node status
show backends\G;

复制

验证集群正确性

## connect a alive fe node
mysql -uroot -P<fe_query_port> -h<fe_ip_address>

复制

修改 Doris 集群密码

-- check the current user
select user();  
+------------------------+  
| user()                 |  
+------------------------+  
| 'root'@'192.168.88.30' |  
+------------------------+  
     
-- modify the password for current user
SET PASSWORD = PASSWORD('doris_new_passwd');

复制

创建测试表并插入数据

-- create a test database
create database testdb;
 
-- create a test table
CREATE TABLE testdb.table_hash
(
    k1 TINYINT,
    k2 DECIMAL(10, 2) DEFAULT "10.5",
    k3 VARCHAR(10) COMMENT "string column",
    k4 INT NOT NULL DEFAULT "1" COMMENT "int column"
)
COMMENT "my first table"
DISTRIBUTED BY HASH(k1) BUCKETS 32;

复制

Doris 兼容 MySQL 协议，可以使用 INSERT 语句插入数据。

-- insert data
INSERT INTO testdb.table_hash VALUES
(1, 10.1, 'AAA', 10),
(2, 10.2, 'BBB', 20),
(3, 10.3, 'CCC', 30),
(4, 10.4, 'DDD', 40),
(5, 10.5, 'EEE', 50);

-- check the data
SELECT * from testdb.table_hash;
+------+-------+------+------+
| k1   | k2    | k3   | k4   |
+------+-------+------+------+
|    3 | 10.30 | CCC  |   30 |
|    4 | 10.40 | DDD  |   40 |
|    5 | 10.50 | EEE  |   50 |
|    1 | 10.10 | AAA  |   10 |
|    2 | 10.20 | BBB  |   20 |
+------+-------+------+------+

复制

PostgreSQL 部署

关于PostgreSQL作者不做详细赘述，请各位自行前往官网安装......

SeaTunnel部署

社区官网：

https://seatunnel.apache.org/

安装包下载：

https://seatunnel.apache.org/download/

tar -xzvf "apache-seatunnel-${version}-bin.tar.gz"

复制

手动下载连接器，然后将其移动至connectors/目录下，如果是2.3.5之前则需要放入connectors/seatunnel目录下。

连接器下载地址：

https://repo.maven.apache.org/maven2/org/apache/seatunnel/

需要确保 JDBC 驱动 JAR 包 已放置在目录 ${SEATUNNEL_HOME}/lib/
 中，在社区之前很多文章都提到过部署教程，如果操作不当出现一些小问题，请进入社区交流（SeaTunnel部署还是很简单的）

使用SeaTunnel 引擎快速开始：

PG创建表

CREATE TABLE alarm_receive_record (
    id BIGINT PRIMARY KEY,
    device_id VARCHAR(50),
    alarm_time TIMESTAMP,
    content TEXT
);

复制

PG追加数据

INSERT INTO alarm_receive_record (id, device_id, alarm_time, content)
VALUES 
    (3, 'D003', '2025-02-26 16:15:00', '通信中断'),
    (4, 'D004', '2025-02-26 17:20:00', '湿度超限'),
    (5, 'D005', '2025-02-26 17:20:00', '湿度超限2'),
(6, 'D006', '2025-02-26 17:20:00', '湿度超限6'),(7, 'D007', '2025-02-26 17:20:00', '湿度超限7'),(8, 'D008', '2025-02-26 17:20:00', '湿度超限8'),(9, 'D009', '2025-02-26 17:20:00', '湿度超限9'),(10, 'D0010', '2025-02-26 17:20:00', '湿度超限10')

复制

Doris手动创建表结构

CREATE TABLE testdb.alarm_receive_record (
    id BIGINT COMMENT "唯一ID",
    device_id VARCHAR(50) COMMENT "设备ID",
    alarm_time DATETIME COMMENT "告警时间",
    content STRING COMMENT "告警内容"
) ENGINE=OLAP
DUPLICATE KEY(id, device_id)  -- 选择 DUPLICATE 模型（全明细存储）
DISTRIBUTED BY HASH(device_id) BUCKETS 10  -- 按设备ID分桶
PROPERTIES (
    "replication_num" = "3",  -- 副本数（与集群配置一致）
    "storage_format" = "V2"    -- 存储格式
);

复制

pg-doris.yaml

env {
  parallelism = 4
  job.mode = "BATCH"
}
source{
    jdbc{
        url = "jdbc:postgresql://192.168.10.17:5432/aaa"
        driver = "org.postgresql.Driver"
        user = "test"
        password = "123123"
        query = "select * from alarm_receive_record"
    }
}

sink {
  Doris {
    fenodes = "192.168.20.174:8030"
    username = "root"
    password = "123123"
    database = "testdb"
    table = "alarm_receive_record"
    schema_save_mode = "CREATE_SCHEMA_WHEN_NOT_EXIST"
    sink.label-prefix = "pg_to_doris"
    sink.enable-2pc = "true"
    column = ["id", "device_id", "alarm_time", "content"]
    doris.config {
      format = "json"
      read_json_by_line = "true"
    }
  }
}

复制

启动同步任务，多次执行，会重复数据。

cd "apache-seatunnel-${version}"
./bin/seatunnel.sh --config ./config/pg-doris.yaml  -m local

复制

Doris验证是否同步成功？

大数据时代，选择比努力更重要。让 SeaTunnel 成为您数据流动的超级高速公路，Doris 化作实时洞察的智慧之眼，共同构建面向未来的数据驱动体系！

白鲸开源

白鲸开源是一家开源原生的 DataOps 商业公司，由多个 Apache Foundation Member成立，80%员工都是 Apache Committer，运营2 个全球 Apache 开源项目(DolphinScheduler, SeaTunnel），同时根据全球最佳实践发布商业版版本WhaleScheduler和WhaleTunnel。我们致力于打造下一代开源原生的DataOps 平台，助力企业在大数据和云时代，智能化地完成多数据源、多云及信创环境的数据集成、调度开发和治理，以提高企业解决数据问题的效率，提升企业分析洞察能力和决策能力。

社区介绍

Apache SeaTunnel是一个云原生的高性能海量数据集成工具。北京时间 2023 年 6 月1 日，全球最大的开源软件基金会Apache Software Foundation正式宣布Apache SeaTunnel毕业成为Apache顶级项目。目前，SeaTunnel在GitHub上Star数量已达 8k+，社区达到6000+人规模。SeaTunnel支持在云数据库、本地数据源、SaaS、大模型等160多种数据源之间进行数据实时和批量同步，支持CDC、DDL变更、整库同步等功能，更是可以和大模型打通，让大模型链接企业内部的数据。