 部署模式完全指南：本地模式、混合集群模式与分离集群模式)
- 数据工程
- 大数据
- 批处理
- 流处理
【免费下载链接】seatunnel
SeaTunnel is a next-generation super high-performance, distributed, massive data integration tool.
SeaTunnel Engine（Zeta）是 Apache SeaTunnel 自带的分布式数据同步引擎，支持三种部署形态：仅用于测试的本地模式（Local Mode）、Master 与 Worker 同进程混布的混合集群模式（Hybrid Cluster Mode），以及 Master 与 Worker 进程分离的分离集群模式（Separated Cluster Mode，实验特性）。本文以官方部署文档 docs/en/seatunnel-engine/deployment.md 为骨架，完整讲解三种模式的适用场景、部署步骤、核心配置参数（Imap 备份数、Slot、Checkpoint、历史任务过期、类加载器缓存等）与网络/持久化配置，并给出生产环境下的选型建议，帮助你根据任务规模与稳定性要求选择并落地合适的 SeaTunnel Engine 集群。
一、三种部署模式总览与选型
SeaTunnel Engine 的所有部署方式都围绕两个核心角色展开：
- Master 服务：负责作业调度、REST API、任务提交、集群管理，并保存任务状态（Imap 数据）。
- Worker 服务：负责任务的执行（跑 Source / Transform / Sink 管道）。
三种模式的区别在于这两个角色如何组织：
| 模式 | Master 与 Worker 关系 | 任务执行方式 | Imap 数据存放 | 适用场景 |
|---|---|---|---|---|
| 本地模式（Local） | 不启动独立集群 | 每个任务启动独立进程，任务结束进程即退出 | 无集群，不涉及分布 | 仅用于功能测试、本地调试 |
| 混合集群模式（Hybrid） | 同一进程中混合 | 所有节点都可跑任务，都可参与 Master 选举 | 分布存储在全部节点上 | 中小规模集群的快速搭建 |
| 分离集群模式（Separated） | 各自独立进程 | Worker 只执行任务，不参与选举 | 只存储在 Master 节点 | 推荐的生产环境用法（实验特性） |
官方在 deployment.md 中给出的使用建议是：优先使用分离集群模式。原因在于混合集群模式下，Master 节点需要同步运行任务，当任务规模较大时会挤占调度资源、影响 Master 稳定性；一旦 Master 崩溃或心跳超时触发主节点切换，会导致所有运行中的任务做一次容错恢复，进一步加重集群负载。而分离模式下 Master 负载很低，有更多资源用于作业调度、任务容错指标监控和 REST API 服务，Worker 即使高负载或崩溃，也不会引起 Imap 数据的重新分布。
二、本地模式（Local Mode）：快速跑通任务
2.1 适用场景与限制
本地模式仅用于测试：每个任务会启动一个独立进程，任务完成后进程自动退出。该模式存在以下明确限制（见 local-mode-deployment.md）：
- 不支持暂停与恢复任务；
- 不支持查看任务列表；
- 无法通过命令取消作业，只能通过杀掉进程终止；
- 不支持 REST API。
因此生产环境请使用分离集群模式部署，而不是本地模式。
2.2 部署与提交作业
本地模式不需要部署 SeaTunnel Engine 集群，只需将下载并制作好的安装包拷贝到目标服务器，然后直接提交作业即可。引擎会在提交作业的进程内启动 SeaTunnel Engine（Zeta）服务来运行任务，任务完成后进程退出。
若需调整任务运行时的 JVM 参数，可修改$SEATUNNEL_HOME/config/jvm_client_options文件（仓库中的 config/jvm_client_options 即对应模板）。
提交作业命令：
$SEATUNNEL_HOME/bin/seatunnel.sh --config $SEATUNNEL_HOME/config/v2.batch.config.template -m local其中-m local（等价于--master local/--deploy-mode local）指定以本地模式运行；-m支持local与cluster两个取值，默认是cluster（参考 user-command.md 中的命令行帮助）。
2.3 任务运行与终止
本地模式提交的作业运行在提交进程内部，任务完成后进程自动退出；如需中止作业，直接退出提交进程即可。作业运行日志输出到提交进程的标准输出（stdout）。除此之外，该模式不提供任何其它运维操作。
三、混合集群模式（Hybrid Cluster Mode）部署
混合集群模式下，Master 服务与 Worker 服务混合在同一个进程中运行，所有节点都可以执行任务并参与 Master 选举，Master 节点本身也同时运行同步任务；Imap（保存任务状态信息、为任务容错提供支持）数据分布存储在全部节点上。
3.1 第 1 步：下载并制作安装包
先下载安装包并安装连接器插件，详见 download-seatunnel.md：
- 环境要求：安装 Java 8 或 11（更高版本理论上也可工作）并配置
JAVA_HOME； - 下载
seatunnel-<version>-bin.tar.gz并解压； - 执行
sh bin/install-plugin.sh安装连接器插件（也可指定版本，如sh bin/install-plugin.sh 2.3.7）； - 可通过
config/plugin_config只安装所需插件，例如只需connector-console时配置：
--seatunnel-connectors-- connector-console --end--3.2 第 2 步：配置 SEATUNNEL_HOME
通过新增/etc/profile.d/seatunnel.sh文件配置SEATUNNEL_HOME：
export SEATUNNEL_HOME=${seatunnel install path} export PATH=$PATH:$SEATUNNEL_HOME/bin3.3 第 3 步：配置引擎 JVM 参数
SeaTunnel Engine 支持两种方式设置 JVM 参数：
- 在
$SEATUNNEL_HOME/config/jvm_options文件中添加 JVM 选项（仓库模板见 config/jvm_options）； - 启动引擎时追加参数，例如：
seatunnel-cluster.sh -DJvmOption="-Xms2G -Xmx2G"3.4 第 4 步：配置 seatunnel.yaml 引擎参数
引擎的众多功能都在seatunnel.yaml文件中配置，仓库默认模板见 config/seatunnel.yaml。
4.1 Imap 数据备份数（backup-count）
SeaTunnel Engine 基于 Hazelcast IMDG 实现集群管理，集群状态数据（作业运行状态、资源状态）存储在 Hazelcast IMap 中，数据会被分区并分布存储到集群各节点，因此无需借助 Zookeeper 等外部服务即可实现集群 HA。
backup-count定义同步备份的数量：设为 1 表示分区备份放置在另一个成员上，设为 2 则放置在另外两个成员上。官方推荐取值公式为min(1, max(5, N/2))，其中N是集群节点数。
seatunnel: engine: backup-count: 1 # Other configurations4.2 Slot 配置
Slot 数量决定集群节点能并行运行的任务组数量。单个任务所需 Slot 数公式为N = 2 + P（P为任务配置的并行度）。默认情况下 Slot 数量是动态的（即不限制数量），官方建议将 Slot 数设置为节点 CPU 核数的两倍。
动态 Slot 数（默认）配置：
seatunnel: engine: slot-service: dynamic-slot: true静态 Slot 数配置：
seatunnel: engine: slot-service: dynamic-slot: false slot-num: 204.3 Checkpoint 管理器
与 Flink 类似，SeaTunnel Engine 支持 Chandy–Lamport 算法，从而可以实现无数据丢失、无重复的数据同步。
- interval：两次 checkpoint 之间的间隔（毫秒）。若作业配置文件
env中配置了checkpoint.interval，则以作业配置文件为准； - timeout：checkpoint 超时时间。若在超时时间内未完成 checkpoint，将触发 checkpoint 失败并使作业失败。若作业配置文件
env中配置了checkpoint.timeout，则以作业配置文件为准。
示例（同时给出引擎级完整配置）：
seatunnel: engine: backup-count: 1 print-execution-info-interval: 10 slot-service: dynamic-slot: true checkpoint: interval: 300000 timeout: 10000checkpoint storage（checkpoint 存储）：checkpoint 是容错恢复机制，周期触发，每次 checkpoint 时每个 Task 需向 checkpoint 线程上报自身状态信息（如读取 Kafka 时读到了哪个 offset），由 checkpoint 线程写入分布式存储（或共享存储）。任务失败自动容错恢复，或使用seatunnel.sh -r恢复之前暂停的任务时，会从 checkpoint 存储中加载对应作业的状态信息并据此恢复。
注意：集群节点数大于 1 时，checkpoint 存储必须是分布式存储或共享存储，以保证任意节点故障后状态信息仍可在其它节点加载。详见 checkpoint-storage.md。
仓库默认模板 config/seatunnel.yaml 中的 checkpoint 配置为interval: 10000、timeout: 60000，存储类型为hdfs且fs.defaultFS: file:///tmp/（仅本地测试用）。
4.4 历史作业过期配置（history-job-expire-minutes）
每个已完成作业的信息（状态、计数器、错误日志）存放在 IMap 中，作业数量增多会导致内存增长甚至溢出。可通过history-job-expire-minutes调整过期时间，单位为分钟，默认值 1440（即一天）：
seatunnel: engine: history-job-expire-minutes: 14404.5 类加载器缓存模式（classloader-cache-mode）
该配置主要解决不断创建并尝试销毁类加载器导致的资源泄漏问题；若遇到 metaspace 溢出相关异常，可尝试开启。开启后，作业完成时 SeaTunnel 不再尝试释放对应类加载器，供后续作业复用，从而降低类加载器创建频率；在运行作业使用的 Source/Sink 连接器类型不多时效果更明显。默认值为 false：
seatunnel: engine: classloader-cache-mode: true3.5 第 5 步：配置网络服务（hazelcast.yaml）
所有 SeaTunnel Engine 网络相关配置都在hazelcast.yaml中，仓库默认模板见 config/hazelcast.yaml。
5.1 cluster-name（集群名）
引擎节点用cluster-name判断另一节点是否与自己在同一集群：若两个节点集群名不同，引擎将拒绝服务请求。
5.2 network（网络与成员发现）
基于 Hazelcast，SeaTunnel Engine 集群由运行引擎服务器的集群成员组成的网络构成，成员自动加入形成集群。无论使用何种发现机制，集群形成后成员间通信始终走 TCP/IP。
引擎支持以下发现机制：
- TCP（推荐用于独立集群）：可配置为完整 TCP/IP 集群，详细配置参见 tcp.md。配置要点是
tcp-ip.enabled: true并在member-list中列出全部或部分成员主机名/IP（至少一个在列成员在加入时处于活跃状态），支持 IP 段写法如192.168.1.0-7，成员未指定端口时 Hazelcast 会自动尝试 5701、5702 等端口。
示例hazelcast.yaml：
hazelcast: cluster-name: seatunnel network: join: tcp-ip: enabled: true member-list: - hostname1 port: auto-increment: false port: 5801 properties: hazelcast.logging.type: log4j2- 其它发现方式：Hazelcast 还提供多种服务发现方法，可参考 Hazelcast 网络配置文档。
5.3 IMap 持久化配置
SeaTunnel 使用 IMap（跨节点、跨进程读写数据的分布式 Map）保存各任务状态，以便节点故障后从其它节点获取任务状态并恢复任务，实现任务容错。
默认情况下 IMap 信息仅存内存，可通过 replica 数（见 4.1 backup-count）提升冗余：若副本数为 2，每条数据同时存于两个节点，节点故障时数据会自动补充到设定副本数。但所有节点都停止时，IMap 数据会丢失；集群重启后，之前运行的任务会被标记为失败，需用seatunnel.sh -r手动恢复。
解决办法是将 IMap 数据持久化到 HDFS、OSS 等外部存储，这样即使所有节点停止也不会丢数据，集群重启后之前运行的任务将自动恢复。以下为 MapStore 持久化配置（Hazelcast MapStore 机制），关键参数：
- type：IMap 持久化类型，目前仅支持
hdfs； - namespace：用于区分不同业务数据的存储位置，如 OSS bucket 名；
- clusterName：主要用于集群隔离，区分不同集群（如 cluster1、cluster2），也可用于区分不同业务数据；
- fs.defaultFS：使用 hdfs api 读写文件，因此使用该存储必须提供 hdfs 配置。
HDFS 配置示例：
map: engine*: map-store: enabled: true initial-mode: EAGER factory-class-name: org.apache.seatunnel.engine.server.persistence.FileMapStoreFactory properties: type: hdfs namespace: /tmp/seatunnel/imap clusterName: seatunnel-cluster storage.type: hdfs fs.defaultFS: hdfs://localhost:9000无 HDFS 且集群只有单节点时，可改用本地文件（fs.defaultFS: file:///）：
map: engine*: map-store: enabled: true initial-mode: EAGER factory-class-name: org.apache.seatunnel.engine.server.persistence.FileMapStoreFactory properties: type: hdfs namespace: /tmp/seatunnel/imap clusterName: seatunnel-cluster storage.type: hdfs fs.defaultFS: file:///OSS 配置示例：
map: engine*: map-store: enabled: true initial-mode: EAGER factory-class-name: org.apache.seatunnel.engine.server.persistence.FileMapStoreFactory properties: type: hdfs namespace: /tmp/seatunnel/imap clusterName: seatunnel-cluster storage.type: oss block.size: block size(bytes) oss.bucket: oss://bucket name/ fs.oss.accessKeyId: OSS access key id fs.oss.accessKeySecret: OSS access key secret fs.oss.endpoint: OSS endpoint fs.oss.credentials.provider: org.apache.hadoop.fs.aliyun.oss.AliyunCredentialsProvider使用 OSS 时，需确保以下 jar 位于 lib 目录：
aliyun-sdk-oss-3.13.2.jar、hadoop-aliyun-3.3.6.jar、jdom2-2.0.6.jar、netty-buffer-4.1.89.Final.jar、netty-common-4.1.89.Final.jar、seatunnel-hadoop3-3.1.4-uber.jar。
3.6 第 6 步：配置引擎客户端（hazelcast-client.yaml）
客户端的所有配置在hazelcast-client.yaml中，仓库默认模板见 config/hazelcast-client.yaml。
- cluster-name：客户端必须与引擎集群名一致，否则引擎拒绝客户端请求；
- network.cluster-members：需要在此添加所有 SeaTunnel Engine 服务端节点地址。
hazelcast-client: cluster-name: seatunnel properties: hazelcast.logging.type: log4j2 network: cluster-members: - hostname1:58013.7 第 7 步：启动引擎服务端节点
可通过守护进程参数-d启动：
mkdir -p $SEATUNNEL_HOME/logs ./bin/seatunnel-cluster.sh -d日志写入$SEATUNNEL_HOME/logs/seatunnel-engine-server.log。
3.8 第 8 步：安装客户端
只需将引擎节点上的$SEATUNNEL_HOME目录拷贝到客户端节点，并按服务端相同方式配置SEATUNNEL_HOME即可。
3.9 第 9 步：提交与管理作业
集群部署完成后，通过 user-command.md 中的命令完成作业的提交与管理，例如：
sh bin/seatunnel.sh --config $SEATUNNEL_HOME/config/v2.batch.config.template --async sh bin/seatunnel.sh -l # 查看作业列表 sh bin/seatunnel.sh -j <jobId> # 查看作业状态四、分离集群模式（Separated Cluster Mode）部署
分离集群模式下，Master 服务与 Worker 服务分离，各自是独立进程：
- Master 节点：只负责作业调度、RESTful API、任务提交等，Imap 数据只存储在 Master 节点；
- Worker 节点：只负责任务执行，不参与 Master 选举，也不存储 Imap 数据。
所有 Master 节点中同一时刻只有一个处于 Active 工作状态，其余处于 standby 状态；当前 Master 故障或心跳超时时，会从其它 Master 中选举出新的 Active 节点。该模式是官方最推荐的用法：Master 负载很低、稳定性更高；Worker 不存 Imap 数据，即使高负载或崩溃也不会导致 Imap 数据重新分布。
4.1 第 1~2 步：下载安装包与配置 SEATUNNEL_HOME
与混合模式相同：先按 download-seatunnel.md 下载安装包并安装插件，再通过/etc/profile.d/seatunnel.sh配置SEATUNNEL_HOME：
export SEATUNNEL_HOME=${seatunnel install path} export PATH=$PATH:$SEATUNNEL_HOME/bin4.2 第 3 步：分别配置 Master / Worker 的 JVM 参数
分离模式下两个角色使用独立的 JVM 参数文件：
- Master 节点：
$SEATUNNEL_HOME/config/jvm_master_options（仓库模板见 config/jvm_master_options） - Worker 节点：
$SEATUNNEL_HOME/config/jvm_worker_options（仓库模板见 config/jvm_worker_options）
两个文件的默认内容一致，包含堆大小、OOM Dump、Metaspace 与 G1GC 配置：
# JVM Heap -Xms2g -Xmx2g # JVM Dump -XX:+HeapDumpOnOutOfMemoryError -XX:HeapDumpPath=/tmp/seatunnel/dump/zeta-server # Metaspace -XX:MaxMetaspaceSize=2g # G1GC -XX:+UseG1GC4.3 第 4 步：配置 seatunnel.yaml（注意参数生效范围）
分离模式下，seatunnel.yaml中的部分参数只在特定角色上生效。若 Master 与 Worker 进程在同一台机器上启动，二者会共享seatunnel.yaml，此时不生效的角色会忽略对应配置：
- backup-count（Master 生效，Worker 不生效）：原理与混合模式相同（基于 Hazelcast IMap 分区备份实现 HA，无需 Zookeeper）。推荐取值
min(1, max(5, N/2))（N为集群节点数）。由于分离模式下 Worker 不存 Imap 数据，Worker 节点上的backup-count配置不生效，共享配置时 Worker 会忽略它：
seatunnel: engine: backup-count: 1- slot-service（Worker 生效，Master 不生效）：Master 不运行任务，因此不会启动 Slot 服务，Master 节点上的
slot-service配置不生效；共享配置时 Master 会忽略它。Slot 数与公式N = 2 + P（任务所需 Slot 数）及“推荐为节点 CPU 核数两倍”的规则与混合模式一致：
seatunnel: engine: slot-service: dynamic-slot: true静态配置：
seatunnel: engine: slot-service: dynamic-slot: false slot-num: 20- checkpoint（Master 生效，Worker 不生效）：checkpoint 配置只被 Master 服务读取，Worker 服务不读取；共享配置时 Worker 会忽略
checkpoint配置。interval（毫秒）与timeout（超时触发 checkpoint 失败）的作业级覆盖规则与混合模式相同，示例：
seatunnel: engine: backup-count: 1 print-execution-info-interval: 10 slot-service: dynamic-slot: true checkpoint: interval: 300000 timeout: 10000checkpoint 存储同样要求：集群节点数大于 1 时必须使用分布式或共享存储，具体参见 checkpoint-storage.md。
- history-job-expire-minutes：已完成作业信息存于 IMap，默认 1440 分钟（一天），防止作业增多导致内存溢出：
seatunnel: engine: history-job-expire-minutes: 1440- classloader-cache-mode：解决类加载器反复创建销毁导致的资源泄漏 / metaspace 溢出问题，默认 false：
seatunnel: engine: classloader-cache-mode: true- IMap 持久化（Master 生效，Worker 不生效）：由于分离模式下只有 Master 存储 IMap 数据，Worker 服务不会读取该配置项。持久化原理、参数（
type仅支持hdfs、namespace、clusterName、fs.defaultFS）以及 HDFS / 本地文件 / OSS 三种配置示例与混合模式章节 5.3 完全一致，此处不再重复粘贴；同样注意 OSS 场景下需在 lib 目录放置对应的 6 个 jar（aliyun-sdk-oss-3.13.2.jar、hadoop-aliyun-3.3.6.jar、jdom2-2.0.6.jar、netty-buffer-4.1.89.Final.jar、netty-common-4.1.89.Final.jar、seatunnel-hadoop3-3.1.4-uber.jar）。
4.4 第 5 步：配置网络服务（hazelcast-master.yaml / hazelcast-worker.yaml）
分离模式下网络相关配置分别放在hazelcast-master.yaml与hazelcast-worker.yaml中（仓库模板见 config/hazelcast-master.yaml 与 config/hazelcast-worker.yaml）。
- cluster-name：节点以此判断是否同集群，不一致则拒绝服务请求；
- network：基于 Hazelcast 发现机制自动组网，组网后成员间通信始终走 TCP/IP。支持
tcp-ip完整 TCP/IP 集群配置（详见 tcp.md），TCP 也是独立集群场景的推荐方式。
分离模式下 Master 与 Worker 使用不同的端口：
Master 节点网络配置hazelcast-master.yaml（端口 5801，并开启 REST API 与集群写/数据端点组）：
hazelcast: cluster-name: seatunnel network: rest-api: enabled: true endpoint-groups: CLUSTER_WRITE: enabled: true DATA: enabled: true join: tcp-ip: enabled: true member-list: - master-node-1:5801 - master-node-2:5801 - worker-node-1:5802 - worker-node-2:5802 port: auto-increment: false port: 5801 properties: hazelcast.heartbeat.failuredetector.type: phi-accrual hazelcast.heartbeat.interval.seconds: 2 hazelcast.max.no.heartbeat.seconds: 180 hazelcast.heartbeat.phiaccrual.failuredetector.threshold: 10 hazelcast.heartbeat.phiaccrual.failuredetector.sample.size: 200 hazelcast.heartbeat.phiaccrual.failuredetector.min.std.dev.millis: 100Worker 节点网络配置hazelcast-worker.yaml（端口 5802，无 REST API）：
hazelcast: cluster-name: seatunnel network: join: tcp-ip: enabled: true member-list: - master-node-1:5801 - master-node-2:5801 - worker-node-1:5802 - worker-node-2:5802 port: auto-increment: false port: 5802 properties: hazelcast.heartbeat.failuredetector.type: phi-accrual hazelcast.heartbeat.interval.seconds: 2 hazelcast.max.no.heartbeat.seconds: 180 hazelcast.heartbeat.phiaccrual.failuredetector.threshold: 10 hazelcast.heartbeat.phiaccrual.failuredetector.sample.size: 200 hazelcast.heartbeat.phiaccrual.failuredetector.min.std.dev.millis: 100注意member-list需要同时列出 Master 与 Worker 全部节点（含各自端口），这样 Master 与 Worker 才能互相发现、共同组成一个集群。上述心跳相关参数（phi-accrual 故障检测器、心跳间隔、最大无心跳秒数、阈值、采样数、最小标准差）用于控制节点故障检测的灵敏度。
4.5 第 6 步：启动 Master 节点
使用-d守护参数并指定角色master：
mkdir -p $SEATUNNEL_HOME/logs ./bin/seatunnel-cluster.sh -d -r master日志写入$SEATUNNEL_HOME/logs/seatunnel-engine-master.log。
4.6 第 7 步：启动 Worker 节点
使用-d守护参数并指定角色worker：
mkdir -p $SEATUNNEL_HOME/logs ./bin/seatunnel-cluster.sh -d -r worker日志写入$SEATUNNEL_HOME/logs/seatunnel-engine-worker.log。
4.7 第 8 步：安装与配置客户端
- 8.1 在客户端节点按服务端相同方式配置
SEATUNNEL_HOME（/etc/profile.d/seatunnel.sh）； - 8.2 客户端配置在
hazelcast-client.yaml（仓库模板见 config/hazelcast-client.yaml）。cluster-name必须与引擎一致；network.cluster-members需添加所有 Master 节点地址：
hazelcast-client: cluster-name: seatunnel properties: hazelcast.logging.type: log4j2 network: cluster-members: - master-node-1:5801 - master-node-2:58014.8 第 9 步：提交与管理作业
部署完成后，通过 user-command.md 完成作业提交与管理（sh bin/seatunnel.sh --config ...提交、-l列表、-j <jobId>状态、-can <jobId>取消、-s <jobId>暂停、-r <jobId>恢复等，其中暂停/恢复要求作业开启 checkpoint）。
五、模式对比与生产选型建议
| 维度 | 本地模式 | 混合集群模式 | 分离集群模式 |
|---|---|---|---|
| 集群成本 | 无需集群 | 所有节点兼 Master + Worker | Master 与 Worker 分离部署 |
| 任务执行 | 提交进程内独立进程 | 所有节点运行任务 | 仅 Worker 运行任务 |
| Master 负载 | — | 高（需同步跑任务） | 低（专职调度/REST API） |
| Imap 数据 | — | 分布存于全部节点 | 仅存 Master 节点 |
| 容错能力 | 无（进程退出即结束） | 基于 IMap 备份 + checkpoint | Master 故障自动选举切换，Worker 故障不影响 Imap |
| 运维能力 | 不支持暂停/恢复/列表/REST API | 完整命令行运维 | 完整命令行运维 |
| 适用场景 | 测试、本地调试 | 中小规模快速部署 | 生产环境（实验特性，官方推荐） |
选型要点：
- 本地模式只用于测试与快速验证，不要用于生产；
- 混合集群模式适合快速搭建集群，但任务规模较大时 Master 需同时跑任务会影响其稳定性，且 Master 切换会引发所有任务容错、加重负载；
- 分离集群模式是官方推荐用法：Master 负载低、稳定性高，Worker 故障不影响 Imap 数据分布，是最适合生产环境的部署形态；
- 无论哪种集群模式，多节点部署时都要把checkpoint 存储配置为分布式/共享存储（HDFS、OSS、S3、MinIO 或本地文件均可，本地文件仅限单节点），否则节点故障后无法在其他节点恢复任务状态。
相关配置与文档资源（均可直接在仓库中查阅）：引擎配置模板 config/seatunnel.yaml、网络配置 config/hazelcast.yaml / config/hazelcast-master.yaml / config/hazelcast-worker.yaml、客户端配置 config/hazelcast-client.yaml、JVM 配置 config/jvm_options / config/jvm_master_options / config/jvm_worker_options / config/jvm_client_options，以及配套文档 local-mode-deployment.md、hybrid-cluster-deployment.md、separated-cluster-deployment.md、checkpoint-storage.md、tcp.md、user-command.md。
- 数据工程
- 大数据
- 批处理
- 流处理
【免费下载链接】seatunnel
SeaTunnel is a next-generation super high-performance, distributed, massive data integration tool.
相关推荐
SeaTunnel Engine（Zeta）三种部署模式详解：Local、混合集群与分离集群实战指南
SeaTunnel Engine（Zeta）三种部署模式详解：Local、混合集群与分离集群实战指南 SeaTunnel Engine（Zeta 引擎）是 Se
数据集成ETL大数据批处理流处理变更数据捕获SeaTunnel Docker 部署与运维指南：从本地模式到 Zeta 集群模式
SeaTunnel Docker 部署与运维指南：从本地模式到 Zeta 集群模式 本篇指南系统讲解如何在 Docker 中部署与使用 Apache SeaTu
数据集成ETL大数据批处理流处理变更数据捕获SeaTunnel Engine 分离集群模式（Master/Worker 分离）部署完全指南
SeaTunnel Engine 分离集群模式（Master/Worker 分离）部署完全指南 本篇技术指南围绕 SeaTunnel Engine 的 分离集群
数据工程大数据批处理流处理
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
