BosFile

BOS 文件 Source 连接器

支持引擎

Spark
Flink
SeaTunnel Zeta

关键特性

• 批处理

• 流处理

• 多模态

  使用 binary 格式读写任意类型文件（视频、图片等），可将任意文件同步到目标位置。

• 精确一次

  一次 pollNext 读取 split 内全部数据，已读 split 会保存在 checkpoint 快照中。

• 列投影

• 并行度

• 支持用户自定义 split

• 文件格式

  • text
  • csv
  • parquet
  • orc
  • json
  • excel
  • xml
  • binary
  • markdown
  • pdf

描述

通过 BOS HDFS SDK 从百度智能云 BOS 读取文件数据。

提示

使用 Spark/Flink 时，需确保集群已集成 Hadoop 2.x。

使用 SeaTunnel Engine 时，Hadoop 相关 jar 已包含在 ${SEATUNNEL_HOME}/lib 中。

使用本连接器需将 bos-hdfs-sdk（>= 1.0.4-community）放入 ${SEATUNNEL_HOME}/lib。下载：bos-hdfs-sdk-1.0.4-community.jar.zip。详见 connector-file-bos/lib/README.md。

配置项

名称	类型	必填	默认值
path	string	是	-
file_format_type	string	是	-
bucket	string	是	-
access_key	string	是	-
secret_key	string	是	-
endpoint	string	是	-
read_columns	list	否	-
delimiter/field_delimiter	string	否	text 为 \001，csv 为 ,
row_delimiter	string	否	\n
parse_partition_from_path	boolean	否	true
skip_header_row_number	long	否	0
date_format	string	否	yyyy-MM-dd
datetime_format	string	否	yyyy-MM-dd HH:mm:ss
time_format	string	否	HH:mm:ss
schema	config	否	-
sheet_name	string	否	-
excel_engine	string	否	POI
poi_excel_max_file_size	long	否	52428800
xml_row_tag	string	否	-
xml_use_attr_format	boolean	否	-
csv_use_header_line	boolean	否	false
file_filter_pattern	string	否	-
filename_extension	string	否	-
compress_codec	string	否	none
archive_compress_codec	string	否	none
encoding	string	否	UTF-8
binary_chunk_size	int	否	1024
binary_complete_file_mode	boolean	否	false
file_filter_modified_start	string	否	-
file_filter_modified_end	string	否	-
quote_char	string	否	"
escape_char	string	否	-
recursive_file_scan	boolean	否	true
sort_files_by_modification_time	boolean	否	false

示例

source {
  BosFile {
    bucket = "bos://source-bucket"
    path = "/warehouse/table/"
    file_format_type = "orc"
    access_key = "your-access-key"
    secret_key = "your-secret-key"
    endpoint = "http://bj.bcebos.com"
  }
}

二进制文件同步

source {
  BosFile {
    bucket = "bos://source-bucket"
    path = "/read/binary/"
    file_format_type = "binary"
    access_key = "your-access-key"
    secret_key = "your-secret-key"
    endpoint = "http://bj.bcebos.com"
  }
}

sink {
  BosFile {
    bucket = "bos://sink-bucket"
    path = "/write/binary/"
    file_format_type = "binary"
    access_key = "your-access-key"
    secret_key = "your-secret-key"
    endpoint = "http://bj.bcebos.com"
  }
}

变更日志

变更日志

变更	Commit	版本
[Improve][Connector-V2] 新增 Hive BOSStorage，对齐 BosFile e2e/文档至 CosFile	https://github.com/apache/seatunnel/pull/11952	dev
[Feature][Connector-V2] 新增 BosFile Source/Sink 连接器	https://github.com/apache/seatunnel/pull/11952	dev