SeaTunnel(2.3.12)的高级用法（三）：目标库(PostgreSQL)的DEMO
SeaTunnel(2.3.12)的高级用法（三）：目标库(PostgreSQL)的DEMO
-
目标库默认是：PostgreSql_18.1。docker安装点这里
-
源头库用的是mysql：pgsql官方文档：https://seatunnel.apache.org/zh-CN/docs/connector-v2/source/Mysql
-
seatunnel的sink：pgsql官方文档：https://seatunnel.apache.org/zh-CN/docs/connector-v2/sink/PostgreSql
添加源头测试数据（mysql）
添加源头测试数据见：https://www.cnblogs.com/kakarotto-chen/p/19336931#_label1_2
demo1：全量-清空后插入-物理删除
-
适用于无主键表的采集，仅当集成类型为全量、且同步删除模式为物理删除的情况下生效(每次目标表将先清空后插入源头所有数据)
-
核心原理：每次都清空重灌
-
核心配置：data_save_mode = "DROP_DATA"
-
执行命令
sh /……/seatunnel-2.3.12/bin/seatunnel.sh --config /……/myconf/ds-st-demo1-mysql2pgsql-ql-qkhcr-wlsc.conf -i JAVA_OPTS='-Xmx2g -Xms2g' -m local
- 建表
-- ds-st-demo1-mysql2pgsql-ql-qkhcr-wlsc.conf
CREATE TABLE "public"."t_8_100w_imp_st_ds_demo1_ql_qkhcr_wlsc" (
id BIGINT PRIMARY KEY,
user_name VARCHAR(2000),
sex VARCHAR(20),
decimal_f NUMERIC(32, 6),
phone_number VARCHAR(20),
age INT,
create_time TIMESTAMP,
description TEXT,
address VARCHAR(2000) DEFAULT '未知'
);
COMMENT ON COLUMN "public"."t_8_100w_imp_st_ds_demo1_ql_qkhcr_wlsc"."id" IS '主键';
COMMENT ON COLUMN "public"."t_8_100w_imp_st_ds_demo1_ql_qkhcr_wlsc"."user_name" IS '名字';
COMMENT ON COLUMN "public"."t_8_100w_imp_st_ds_demo1_ql_qkhcr_wlsc"."sex" IS '性别：男；女';
COMMENT ON COLUMN "public"."t_8_100w_imp_st_ds_demo1_ql_qkhcr_wlsc"."decimal_f" IS '大数字';
COMMENT ON COLUMN "public"."t_8_100w_imp_st_ds_demo1_ql_qkhcr_wlsc"."phone_number" IS '电话';
COMMENT ON COLUMN "public"."t_8_100w_imp_st_ds_demo1_ql_qkhcr_wlsc"."age" IS '字符串年龄转数字';
COMMENT ON COLUMN "public"."t_8_100w_imp_st_ds_demo1_ql_qkhcr_wlsc"."create_time" IS '新增时间';
COMMENT ON COLUMN "public"."t_8_100w_imp_st_ds_demo1_ql_qkhcr_wlsc"."description" IS '大文本';
COMMENT ON COLUMN "public"."t_8_100w_imp_st_ds_demo1_ql_qkhcr_wlsc"."address" IS '空地址转默认值：未知';
- conf配置
# ds-st-demo4-mysql2pgsql-ql-qkhcr-wlsc.conf
env {
# 并行度（线程数）
execution.parallelism = 5
# 任务模式：BATCH:批处理模式；STREAMING:流处理模式
job.mode = "BATCH"
}
source {
jdbc {
url = "jdbc:mysql://ip:port/cs1"
driver = "com.mysql.cj.jdbc.Driver"
user = "root"
password = "zysoft"
# 采集的数据sql
query = "select * from t_8_100w"
# 给这个数据集起个名字
plugin_output = "source_data"
# 并行读取配置
# 数值型主键字段
partition_column = "id"
# 分片数，匹配并行度
partition_num = 5
# 批量提交数
fetch_size = 5000
# partition_lower_bound = 1 # 可选：起始ID
# partition_upper_bound = 1000000 # 可选：结束ID
# 连接参数
# 连接超时时间300ms
connection_check_timeout_sec = 300
# 其他jdbc的参数
properties = {
useUnicode = true
characterEncoding = "utf8"
serverTimezone = "Asia/Shanghai"
# 使用游标提高大结果集性能
useCursorFetch = "true"
# 每次获取行数
defaultFetchSize = "5000"
}
}
}
# 清洗转换（简单的清洗转换，直接在source的query的sql中处理了就行）
transform {
# 1. 字段映射：sql中做了，实际生成中不在这里处理。直接在source的query的sql中处理了就行
# 还可以用：FieldMapper 插件，来映射字段
FieldMapper {
plugin_input = "source_data"
plugin_output = "FieldMapper_data"
field_mapper = {
id = id
name = user_name
sex = sex
decimal_f = decimal_f
phone_number = phone_number
# 临时字段名
age = age_str
create_time = create_time
description = description
address = address
}
}
Sql {
plugin_input = "FieldMapper_data"
plugin_output = "Sql_age_data"
query = """
SELECT
id,
user_name,
sex,
decimal_f,
phone_number,
CAST(age_str AS INTEGER) as age,
create_time,
description,
address
from dual
"""
}
# 2. 手机号脱敏：13812341234 -> 138****1234
# 3. 年龄转换：字符串转整数（实际生产中，不用转换，也没有内置的转换插件，可以直接保存成功）
# 4. 性别转换：1->男，2->女
# 5. 数据过滤：只保留 age > 25 的记录。
# 6. 地址默认值：空地址设为'未知'
}
sink {
jdbc {
url = "jdbc:postgresql://ip:port/source_db"
driver = "org.postgresql.Driver"
user = "postgres"
password = "123456"
# query = "insert into test_table(name,age) values(?,?)"
# 生成自动插入sql。如果目标库没有表，也会自动建表
generate_sink_sql = true
# generate_sink_sql=true。所以：database必须要
database = source_db
table = "public.t_8_100w_imp_st_ds_demo4_ql_qkhcr_wlsc"
# 接收的最终数据集
plugin_input = "Sql_age_data"
# 表不存在时报错（任务失败），一般用：CREATE_SCHEMA_WHEN_NOT_EXIST（表不存在时创建表；表存在时跳过操作（保留数据））
schema_save_mode = "ERROR_WHEN_SCHEMA_NOT_EXIST"
# APPEND_DATA：保留表结构和数据，追加新数据（不删除现有数据）(一般用这个)
# DROP_DATA：保留表结构，删除表中所有数据（清空表）——实现清空重灌
data_save_mode = "DROP_DATA"
# 批量写入条数
batch_size = 5000
# 批次提交间隔
batch_interval_ms = 500
# 重试次数
max_retries = 3
# 连接参数
# 连接超时时间300ms
connection_check_timeout_sec = 300
# 其他jdbc的参数
properties = {
# PostgreSQL专用参数
# PostgreSQL的批量优化（注意大小写）
reWriteBatchedInserts = "true"
# 如果需要时区设置
options = "-c timezone=Asia/Shanghai"
}
}
}
- 结果
- 日志中可以看到执行了清空表语句：TRUNCATE TABLE "public"."t_8_100w_imp_st_ds_demo4_ql_qkhcr_wlsc"
2025-12-15 15:32:25,675 INFO [.s.c.s.j.c.AbstractJdbcCatalog] [seatunnel-coordinator-service-2] - Catalog Postgres established connection to jdbc:postgresql://ip:port/source_db
2025-12-15 15:32:25,676 INFO [a.s.a.s.SaveModeExecuteWrapper] [seatunnel-coordinator-service-2] - Executing save mode for table: source_db.public.t_8_100w_imp_st_ds_demo4_ql_qkhcr_wlsc, with SchemaSaveMode: ERROR_WHEN_SCHEMA_NOT_EXIST, DataSaveMode: DROP_DATA using Catalog: Postgres
2025-12-15 15:32:25,719 INFO [a.s.a.s.DefaultSaveModeHandler] [seatunnel-coordinator-service-2] - Truncating table source_db.public.t_8_100w_imp_st_ds_demo4_ql_qkhcr_wlsc with action TRUNCATE TABLE "public"."t_8_100w_imp_st_ds_demo4_ql_qkhcr_wlsc"
2025-12-15 15:32:25,722 INFO [.s.c.s.j.c.AbstractJdbcCatalog] [seatunnel-coordinator-service-2] - Execute sql : TRUNCATE TABLE "public"."t_8_100w_imp_st_ds_demo4_ql_qkhcr_wlsc"
2025-12-15 15:33:26,616 INFO [o.a.s.e.c.j.JobMetricsRunner ] [job-metrics-runner-1052850597616680961] -
***********************************************
Job Progress Information
***********************************************
Job Id : 1052850597616680961
Read Count So Far : 849934
Write Count So Far : 849934
Average Read Count : 14165/s
Average Write Count : 14165/s
Last Statistic Time : 2025-12-15 15:32:26
Current Statistic Time : 2025-12-15 15:33:26
***********************************************
2025-12-15 15:33:39,905 INFO [s.c.s.s.c.ClientExecuteCommand] [main] -
***********************************************
Job Statistic Information
***********************************************
Start Time : 2025-12-15 15:32:23
End Time : 2025-12-15 15:33:39
Total Time(s) : 76
Total Read Count : 1000004
Total Write Count : 1000004
Total Failed Count : 0
***********************************************
demo2：全量-差异比较采集（新增+更新）-物理删除 + 大表分片
-
核心需求：根据主键判断，对源头新增和变化数据做插入和更新操作，没变化的数据不做处理
-
核心逻辑：使用pgsql的：INSERT INTO …… ON CONFLICT ("主键") DO UPDATE SET …… 的sql
-
核心配置：
- query中使用pgsql的：INSERT INTO …… ON CONFLICT ("主键") DO UPDATE SET …… 的sql
- 大表分片：partition_column + split.size
-
执行命令
sh /……/seatunnel-2.3.12/bin/seatunnel.sh --config /……/myconf/ds-st-demo2-mysql2pgsql-ql-cybjcj-wlsc.conf -i JAVA_OPTS='-Xmx2g -Xms2g' -m local
- 建表
-- ds-st-demo2-mysql2pgsql-ql-cybjcj-wlsc.conf
CREATE TABLE "public"."t_8_100w_imp_st_ds_demo2_ql_cybjcj_wlsc" (
id BIGINT PRIMARY KEY,
user_name VARCHAR(2000),
sex VARCHAR(20),
decimal_f NUMERIC(32, 6),
phone_number VARCHAR(20),
age INT,
create_time TIMESTAMP,
description TEXT,
address VARCHAR(2000) DEFAULT '未知'
);
COMMENT ON COLUMN "public"."t_8_100w_imp_st_ds_demo2_ql_cybjcj_wlsc"."id" IS '主键';
COMMENT ON COLUMN "public"."t_8_100w_imp_st_ds_demo2_ql_cybjcj_wlsc"."user_name" IS '名字';
COMMENT ON COLUMN "public"."t_8_100w_imp_st_ds_demo2_ql_cybjcj_wlsc"."sex" IS '性别：男；女';
COMMENT ON COLUMN "public"."t_8_100w_imp_st_ds_demo2_ql_cybjcj_wlsc"."decimal_f" IS '大数字';
COMMENT ON COLUMN "public"."t_8_100w_imp_st_ds_demo2_ql_cybjcj_wlsc"."phone_number" IS '电话';
COMMENT ON COLUMN "public"."t_8_100w_imp_st_ds_demo2_ql_cybjcj_wlsc"."age" IS '字符串年龄转数字';
COMMENT ON COLUMN "public"."t_8_100w_imp_st_ds_demo2_ql_cybjcj_wlsc"."create_time" IS '新增时间';
COMMENT ON COLUMN "public"."t_8_100w_imp_st_ds_demo2_ql_cybjcj_wlsc"."description" IS '大文本';
COMMENT ON COLUMN "public"."t_8_100w_imp_st_ds_demo2_ql_cybjcj_wlsc"."address" IS '空地址转默认值：未知';
- conf配置
env {
# 任务名字：业务中可以弄表id
job.name = "ds-st-demo2-mysql2pgsql-ql-cybjcj-wlsc.conf"
# 最大批线程数：并行度（线程数）
parallelism = 5
# 任务模式：BATCH:批处理模式；STREAMING:流处理模式
job.mode = "BATCH"
}
source {
jdbc {
url = "jdbc:mysql://ip:port/cs1"
driver = "com.mysql.cj.jdbc.Driver"
user = "root"
password = "zysoft"
# 采集的数据sql
query = "select * from t_8_100w"
# 给这个数据集起个名字
plugin_output = "source_data"
# 并行读取配置
# 分片的字段：支持：String、Number(int, bigint, decimal, ...)、Date
partition_column = "id"
# 表的分割大小（行数）：每个分片的数据行（默认8096行）。最后分片数=表的总行数 / split.size
split.size = 50000
# 分片数，匹配并行度parallelism（2.3.12已不推荐配置了，用split.size来代替）
# partition_num = 5
# 最大批处理数:查询的行提取大小(指定当前任务每次执行时读取数据条数,该值(默认1000)受运行内存影响,若该值较大或单条数据量较大，需适当调整运行内存大小。)
fetch_size = 10000
# 连接参数
# 连接超时时间300ms
connection_check_timeout_sec = 300
# 其他jdbc的参数
properties = {
useUnicode = true
characterEncoding = "utf8"
# 时区，不同数据库参数不一样
serverTimezone = "Asia/Shanghai"
# 使用游标提高大结果集性能
useCursorFetch = "true"
# 每次获取行数
defaultFetchSize = "10000"
}
}
}
# 清洗转换（简单的清洗转换，直接在source的query的sql中处理了就行）
transform {
# 1. 字段映射：sql中做了，实际生成中不在这里处理。直接在source的query的sql中处理了就行
# 还可以用：FieldMapper 插件，来映射字段
FieldMapper {
plugin_input = "source_data"
plugin_output = "FieldMapper_data"
field_mapper = {
id = id
name = user_name
sex = sex
decimal_f = decimal_f
phone_number = phone_number
# 临时字段名
age = age_str
create_time = create_time
description = description
address = address
}
}
# 转换age为数字类型（pgsql必须转）
Sql {
plugin_input = "FieldMapper_data"
plugin_output = "Sql_age_data"
query = """
SELECT
id,
user_name,
sex,
decimal_f,
phone_number,
CAST(age_str AS INTEGER) as age,
create_time,
description,
address
from dual
"""
}
# 2. 手机号脱敏：13812341234 -> 138****1234
# 3. 年龄转换：字符串转整数（实际生产中，不用转换，也没有内置的转换插件，可以直接保存成功）
# 4. 性别转换：1->男，2->女
# 5. 数据过滤：只保留 age > 25 的记录。
# 6. 地址默认值：空地址设为'未知'
}
sink {
jdbc {
# 接收的最终数据集
plugin_input = "Sql_age_data"
url = "jdbc:postgresql://ip:port/source_db"
driver = "org.postgresql.Driver"
user = "postgres"
password = "123456"
query = """INSERT INTO public.t_8_100w_imp_st_ds_demo2_ql_cybjcj_wlsc
(id, user_name, sex, decimal_f, phone_number, age, create_time, description, address)
VALUES(?,?,?,?,?,?,?,?,?)
ON CONFLICT ("id")
DO UPDATE SET
"user_name" = EXCLUDED."user_name",
"sex" = EXCLUDED."sex",
"decimal_f" = EXCLUDED."decimal_f",
"phone_number" = EXCLUDED."phone_number",
"age" = EXCLUDED."age",
"create_time" = EXCLUDED."create_time",
"description" = EXCLUDED."description",
"address" = EXCLUDED."address""""
# 自动生成sql的配置，和query参数互斥
# 生成自动插入sql。如果目标库没有表，也会自动建表
# generate_sink_sql = true
# database必须要，因为generate_sink_sql=true
# database = source_db
# 自动生成sql时，table必须要
# table = "public.t_8_100w_imp_st_ds_demo2_ql_cybjcj_wlsc"
# 表结构处理策略：表不存在时报错（任务失败），一般用：CREATE_SCHEMA_WHEN_NOT_EXIST（表不存在时创建表；表存在时跳过操作（保留数据））
schema_save_mode = "ERROR_WHEN_SCHEMA_NOT_EXIST"
# 插入数据的处理策略
# APPEND_DATA：保留表结构和数据，追加新数据（不删除现有数据）(一般用这个)
# DROP_DATA：保留表结构，删除表中所有数据（清空表）——实现清空重灌
# CUSTOM_PROCESSING :用户定义处理。需要配合：custom_sql使用
data_save_mode = "APPEND_DATA"
# 当 data_save_mode 选择 CUSTOM_PROCESSING 时，您应该填写 CUSTOM_SQL 参数。此参数通常填入可执行的 SQL。SQL 将在同步任务之前执行。
#可以实现：同步删除（执行前置update、truncate的sql等）
# custom_sql = ""
# 批量写入条数
batch_size = 10000
# 批次提交间隔
batch_interval_ms = 500
# 重试次数
max_retries = 3
# 连接参数
# 连接超时时间300ms
connection_check_timeout_sec = 300
# 其他jdbc的参数
properties = {
# PostgreSQL专用参数
# PostgreSQL的批量优化（注意大小写）
reWriteBatchedInserts = "true"
# 如果需要时区设置
options = "-c timezone=Asia/Shanghai"
}
}
}
- 结果
2025-12-16 17:07:03,711 INFO [s.c.s.s.c.ClientExecuteCommand] [main] -
***********************************************
Job Statistic Information
***********************************************
Start Time : 2025-12-16 17:06:08
End Time : 2025-12-16 17:07:03
Total Time(s) : 54
Total Read Count : 1000001
Total Write Count : 1000001
Total Failed Count : 0
***********************************************
demo2.1：全量-差异比较采集（新增+更新）-物理删除 + 大表分片（自动生成sql）
-
核心需求：和demo2一样
-
核心逻辑：和demo2一样。但是seatunnel会自动生成sql，不用我们写query的语句
-
核心配置：enable_upsert = true + primary_keys = ["可以判断唯一值的健"]
-
执行命令
sh /……/seatunnel-2.3.12/bin/seatunnel.sh --config /……/myconf/ds-st-demo2-mysql2pgsql-ql-cybjcj-wlsc-2-enable_upsert.conf -i JAVA_OPTS='-Xmx2g -Xms2g' -m local
- conf配置
env {
# 任务名字：业务中可以弄表id
job.name = "ds-st-demo2-mysql2pgsql-ql-cybjcj-wlsc-2-enable_upsert.conf"
# 最大批线程数：并行度（线程数）
parallelism = 5
# 任务模式：BATCH:批处理模式；STREAMING:流处理模式
job.mode = "BATCH"
}
source {
jdbc {
url = "jdbc:mysql://ip:port/cs1"
driver = "com.mysql.cj.jdbc.Driver"
user = "root"
password = "zysoft"
# 采集的数据sql
query = "select * from t_8_100w"
# 给这个数据集起个名字
plugin_output = "source_data"
# 并行读取配置
# 分片的字段：支持：String、Number(int, bigint, decimal, ...)、Date
partition_column = "id"
# 表的分割大小（行数）：每个分片的数据行（默认8096行）。最后分片数=表的总行数 / split.size
split.size = 50000
# 分片数，匹配并行度parallelism（2.3.12已不推荐配置了，用split.size来代替）
# partition_num = 5
# 最大批处理数:查询的行提取大小(指定当前任务每次执行时读取数据条数,该值(默认1000)受运行内存影响,若该值较大或单条数据量较大，需适当调整运行内存大小。)
fetch_size = 10000
# 连接参数
# 连接超时时间300ms
connection_check_timeout_sec = 300
# 其他jdbc的参数
properties = {
useUnicode = true
characterEncoding = "utf8"
# 时区，不同数据库参数不一样
serverTimezone = "Asia/Shanghai"
# 使用游标提高大结果集性能
useCursorFetch = "true"
# 每次获取行数
defaultFetchSize = "10000"
}
}
}
# 清洗转换（简单的清洗转换，直接在source的query的sql中处理了就行）
transform {
# 1. 字段映射：sql中做了，实际生成中不在这里处理。直接在source的query的sql中处理了就行
# 还可以用：FieldMapper 插件，来映射字段
FieldMapper {
plugin_input = "source_data"
plugin_output = "FieldMapper_data"
field_mapper = {
id = id
name = user_name
sex = sex
decimal_f = decimal_f
phone_number = phone_number
# 临时字段名
age = age_str
create_time = create_time
description = description
address = address
}
}
# 转换age为数字类型（pgsql必须转）
Sql {
plugin_input = "FieldMapper_data"
plugin_output = "Sql_age_data"
query = """
SELECT
id,
user_name,
sex,
decimal_f,
phone_number,
CAST(age_str AS INTEGER) as age,
create_time,
description,
address
from dual
"""
}
# 2. 手机号脱敏：13812341234 -> 138****1234
# 3. 年龄转换：字符串转整数（实际生产中，不用转换，也没有内置的转换插件，可以直接保存成功）
# 4. 性别转换：1->男，2->女
# 5. 数据过滤：只保留 age > 25 的记录。
# 6. 地址默认值：空地址设为'未知'
}
sink {
jdbc {
# 接收的最终数据集
plugin_input = "Sql_age_data"
url = "jdbc:postgresql://ip:port/source_db"
driver = "org.postgresql.Driver"
user = "postgres"
password = "123456"
# query = """INSERT INTO public.t_8_100w_imp_st_ds_demo2_ql_cybjcj_wlsc
# (id, user_name, sex, decimal_f, phone_number, age, create_time, description, address)
# VALUES(?,?,?,?,?,?,?,?,?)
# ON CONFLICT ("id")
# DO UPDATE SET
# "user_name" = EXCLUDED."user_name",
# "sex" = EXCLUDED."sex",
# "decimal_f" = EXCLUDED."decimal_f",
# "phone_number" = EXCLUDED."phone_number",
# "age" = EXCLUDED."age",
# "create_time" = EXCLUDED."create_time",
# "description" = EXCLUDED."description",
# "address" = EXCLUDED."address""""
# 自动生成sql的配置，和query参数互斥
# 生成自动插入sql。如果目标库没有表，也会自动建表
generate_sink_sql = true
# database必须要，因为generate_sink_sql=true
database = source_db
# 自动生成sql时，table必须要
table = "public.t_8_100w_imp_st_ds_demo2_ql_cybjcj_wlsc"
# 生成类似：ON CONFLICT ("id") DO UPDATE SET 的sql
enable_upsert = true
# 判断值唯一的健：此选项用于支持在自动生成 SQL 时进行 insert，delete 和 update 操作。
primary_keys = ["id"]
# 表结构处理策略：表不存在时报错（任务失败），一般用：CREATE_SCHEMA_WHEN_NOT_EXIST（表不存在时创建表；表存在时跳过操作（保留数据））
schema_save_mode = "ERROR_WHEN_SCHEMA_NOT_EXIST"
# 插入数据的处理策略
# APPEND_DATA：保留表结构和数据，追加新数据（不删除现有数据）(一般用这个)
# DROP_DATA：保留表结构，删除表中所有数据（清空表）——实现清空重灌（先执行：truncate语句）
# CUSTOM_PROCESSING :用户定义处理。需要配合：custom_sql使用
data_save_mode = "APPEND_DATA"
# 当 data_save_mode 选择 CUSTOM_PROCESSING 时，您应该填写 CUSTOM_SQL 参数。此参数通常填入可执行的 SQL。SQL 将在同步任务之前执行。
#可以实现：同步删除（执行前置update、truncate的sql等）
# custom_sql = ""
# 批量写入条数
batch_size = 10000
# 批次提交间隔
batch_interval_ms = 500
# 重试次数
max_retries = 3
# 连接参数
# 连接超时时间300ms
connection_check_timeout_sec = 300
# 其他jdbc的参数
properties = {
# PostgreSQL专用参数
# PostgreSQL的批量优化（注意大小写）
reWriteBatchedInserts = "true"
# 如果需要时区设置
options = "-c timezone=Asia/Shanghai"
}
}
}
- 结果
- 可以看到自动生成了：
2025-12-17 13:53:35,566 INFO [.e.FieldNamedPreparedStatement] [st-multi-table-sink-writer-1] - PrepareStatement sql is:
INSERT INTO "source_db"."public"."t_8_100w_imp_st_ds_demo2_ql_cybjcj_wlsc" ("id", "user_name", "sex", "decimal_f", "phone_number", "age", "create_time", "description", "address") VALUES (?, ?, ?, ?, ?, ?, ?, ?, ?) ON CONFLICT ("id") DO UPDATE SET "user_name"=EXCLUDED."user_name", "sex"=EXCLUDED."sex", "decimal_f"=EXCLUDED."decimal_f", "phone_number"=EXCLUDED."phone_number", "age"=EXCLUDED."age", "create_time"=EXCLUDED."create_time", "description"=EXCLUDED."description", "address"=EXCLUDED."address"
2025-12-17 13:53:35,566 INFO [.e.FieldNamedPreparedStatement] [st-multi-table-sink-writer-1] - PrepareStatement sql is:
DELETE FROM "source_db"."public"."t_8_100w_imp_st_ds_demo2_ql_cybjcj_wlsc" WHERE "id" = ?
2025-12-17 13:54:46,130 INFO [s.c.s.s.c.ClientExecuteCommand] [main] -
***********************************************
Job Statistic Information
***********************************************
Start Time : 2025-12-17 13:53:31
End Time : 2025-12-17 13:54:46
Total Time(s) : 74
Total Read Count : 1000001
Total Write Count : 1000001
Total Failed Count : 0
***********************************************
demo3：仅更新
-
核心需求：只对主键存在的数据做更新,主键不存在的数据忽略采集。其实这种方式，不能算作全量更新了
-
核心逻辑：我们在sink目标中执行query的sql语句是：update语句，不是insert语句
-
核心配置：query的update的sql语句
- 细节：需要注意数据集：FieldMapper_data中的id的位置在最后。因为update的id参数在最后
-
执行命令
# ds-st-demo3-mysql2pgsql-ql-jgx-gb.conf
sh /……/seatunnel-2.3.12/bin/seatunnel.sh --config /……/myconf/ds-st-demo3-mysql2pgsql-ql-jgx-gb.conf -i JAVA_OPTS='-Xmx2g -Xms2g' -m local
- 建表
-- ds-st-demo3-mysql2pgsql-ql-jgx-gb.conf
CREATE TABLE "public"."t_8_100w_imp_st_ds_demo3_ql_jgx_gb" (
id BIGINT PRIMARY KEY,
user_name VARCHAR(2000),
sex VARCHAR(20),
decimal_f NUMERIC(32, 6),
phone_number VARCHAR(20),
age INT,
create_time TIMESTAMP,
description TEXT,
address VARCHAR(2000) DEFAULT '未知'
);
COMMENT ON COLUMN "public"."t_8_100w_imp_st_ds_demo2_ql_cybjcj_wlsc"."id" IS '主键';
COMMENT ON COLUMN "public"."t_8_100w_imp_st_ds_demo2_ql_cybjcj_wlsc"."user_name" IS '名字';
COMMENT ON COLUMN "public"."t_8_100w_imp_st_ds_demo2_ql_cybjcj_wlsc"."sex" IS '性别：男；女';
COMMENT ON COLUMN "public"."t_8_100w_imp_st_ds_demo2_ql_cybjcj_wlsc"."decimal_f" IS '大数字';
COMMENT ON COLUMN "public"."t_8_100w_imp_st_ds_demo2_ql_cybjcj_wlsc"."phone_number" IS '电话';
COMMENT ON COLUMN "public"."t_8_100w_imp_st_ds_demo2_ql_cybjcj_wlsc"."age" IS '字符串年龄转数字';
COMMENT ON COLUMN "public"."t_8_100w_imp_st_ds_demo2_ql_cybjcj_wlsc"."create_time" IS '新增时间';
COMMENT ON COLUMN "public"."t_8_100w_imp_st_ds_demo2_ql_cybjcj_wlsc"."description" IS '大文本';
COMMENT ON COLUMN "public"."t_8_100w_imp_st_ds_demo2_ql_cybjcj_wlsc"."address" IS '空地址转默认值：未知';
- conf配置
env {
# 任务名字：业务中可以弄表id
job.name = "ds-st-demo3-mysql2pgsql-ql-jgx-gb.conf"
# 最大批线程数：并行度（线程数）
parallelism = 5
# 任务模式：BATCH:批处理模式；STREAMING:流处理模式
job.mode = "BATCH"
}
source {
jdbc {
url = "jdbc:mysql://ip:port/cs1"
driver = "com.mysql.cj.jdbc.Driver"
user = "root"
password = "zysoft"
# 采集的数据sql
query = "select name,sex,decimal_f,phone_number,age,create_time,description,address,id from t_8_100w"
# 给这个数据集起个名字
plugin_output = "source_data"
# 并行读取配置
# 分片的字段：支持：String、Number(int, bigint, decimal, ...)、Date
partition_column = "id"
# 表的分割大小（行数）：每个分片的数据行（默认8096行）。最后分片数=表的总行数 / split.size
split.size = 50000
# 分片数，匹配并行度parallelism（2.3.12已不推荐配置了，用split.size来代替）
# partition_num = 5
# 最大批处理数:查询的行提取大小(指定当前任务每次执行时读取数据条数,该值(默认1000)受运行内存影响,若该值较大或单条数据量较大，需适当调整运行内存大小。)
fetch_size = 10000
# 连接参数
# 连接超时时间300ms
connection_check_timeout_sec = 300
# 其他jdbc的参数
properties = {
useUnicode = true
characterEncoding = "utf8"
# 时区，不同数据库参数不一样
serverTimezone = "Asia/Shanghai"
# 使用游标提高大结果集性能
useCursorFetch = "true"
# 每次获取行数
defaultFetchSize = "10000"
}
}
}
# 清洗转换（简单的清洗转换，直接在source的query的sql中处理了就行）
transform {
# 1. 字段映射：sql中做了，实际生成中不在这里处理。直接在source的query的sql中处理了就行
# 还可以用：FieldMapper 插件，来映射字段
FieldMapper {
plugin_input = "source_data"
plugin_output = "FieldMapper_data"
field_mapper = {
name = user_name
sex = sex
decimal_f = decimal_f
phone_number = phone_number
# 临时字段名
age = age_str
create_time = create_time
description = description
address = address
id = id
}
}
# 转换age为数字类型（pgsql必须转）
Sql {
plugin_input = "FieldMapper_data"
plugin_output = "Sql_age_data"
query = """
SELECT
user_name,
sex,
decimal_f,
phone_number,
CAST(age_str AS INTEGER) as age,
create_time,
description,
address,
id
from dual
"""
}
# 2. 手机号脱敏：13812341234 -> 138****1234
# 3. 年龄转换：字符串转整数（实际生产中，不用转换，也没有内置的转换插件，可以直接保存成功）
# 4. 性别转换：1->男，2->女
# 5. 数据过滤：只保留 age > 25 的记录。
# 6. 地址默认值：空地址设为'未知'
}
sink {
jdbc {
# 接收的最终数据集
plugin_input = "Sql_age_data"
url = "jdbc:postgresql://ip:port/source_db"
driver = "org.postgresql.Driver"
user = "postgres"
password = "123456"
query = """UPDATE "public"."t_8_100w_imp_st_ds_demo3_ql_jgx_gb"
SET "user_name"=?, "sex"=?, "decimal_f"=?, "phone_number"=?, "age"=?, "create_time"=?, "description"=?, "address"=?
WHERE "id"=?"""
# 自动生成sql的配置，和query参数互斥
# 生成自动插入sql。如果目标库没有表，也会自动建表
# generate_sink_sql = true
# database必须要，因为generate_sink_sql=true
# database = source_db
# 自动生成sql时，table必须要
# table = "public.t_8_100w_imp_st_ds_demo2_ql_cybjcj_wlsc"
# 生成类似：ON CONFLICT ("id") DO UPDATE SET 的sql
# enable_upsert = true
# 判断值唯一的健：此选项用于支持在自动生成 SQL 时进行 insert，delete 和 update 操作。
# primary_keys = ["id"]
# 表结构处理策略：表不存在时报错（任务失败），一般用：CREATE_SCHEMA_WHEN_NOT_EXIST（表不存在时创建表；表存在时跳过操作（保留数据））
schema_save_mode = "ERROR_WHEN_SCHEMA_NOT_EXIST"
# 插入数据的处理策略
# APPEND_DATA：保留表结构和数据，追加新数据（不删除现有数据）(一般用这个)
# DROP_DATA：保留表结构，删除表中所有数据（清空表）——实现清空重灌
# CUSTOM_PROCESSING :用户定义处理。需要配合：custom_sql使用
data_save_mode = "CUSTOM_PROCESSING"
# 当 data_save_mode 选择 CUSTOM_PROCESSING 时，您应该填写 CUSTOM_SQL 参数。此参数通常填入可执行的 SQL。SQL 将在同步任务之前执行。
#可以实现：同步删除（执行前置update、truncate的sql等）
#todo cc 这个sql未执行，不知道为啥。
custom_sql = """update "source_db"."public"."t_8_100w_imp_st_ds_demo3_ql_jgx_gb" set "my_status" = 12 where 1=1;"""
# 批量写入条数
batch_size = 10000
# 批次提交间隔
batch_interval_ms = 500
# 重试次数
max_retries = 3
# 连接参数
# 连接超时时间300ms
connection_check_timeout_sec = 300
# 其他jdbc的参数
properties = {
# PostgreSQL专用参数
# PostgreSQL的批量优化（注意大小写）
reWriteBatchedInserts = "true"
# 如果需要时区设置
options = "-c timezone=Asia/Shanghai"
}
}
}
- 结果
2025-12-17 15:57:18,995 INFO [o.a.s.a.e.LoggingEventHandler ] [seatunnel-coordinator-service-8] - log event: JobStateEvent(jobId=1053581219121332225, jobName=ds-st-demo3-mysql2pgsql-ql-jgx-gb.conf, jobStatus=FINISHED, createdTime=1765958238995)
2025-12-17 15:57:19,013 INFO [s.c.s.s.c.ClientExecuteCommand] [main] -
***********************************************
Job Statistic Information
***********************************************
Start Time : 2025-12-17 15:55:37
End Time : 2025-12-17 15:57:18
Total Time(s) : 101
Total Read Count : 1000002
Total Write Count : 1000002
Total Failed Count : 0
***********************************************
demo4：增量-仅新增：时间戳+自增字段+区间全量 + 前置sql执行
-
核心需求：对源端读取过来的新增数据做新增操作
-
核心逻辑：在源头source的sql中做增量的数据过滤，只采集增量的数据
-
核心配置：source的query的sql
-
前置sql执行条件：sink中自动生成sql开启，不用query的sql
- custom_sql
-
执行命令
# ds-st-demo5-mysql2pgsql-zl-jxz-sjcjzzzd.conf
sh /……/seatunnel-2.3.12/bin/seatunnel.sh --config /……/myconf/ds-st-demo5-mysql2pgsql-zl-jxz-sjcjzzzd.conf -i JAVA_OPTS='-Xmx2g -Xms2g' -m local
- 建表
-- ds-st-demo5-mysql2pgsql-zl-jxz-sjcjzzzd.conf
CREATE TABLE "public"."`t_8_100w_imp_st_ds_demo5_zl_jxz_sjcjzzzd`" (
id BIGINT PRIMARY KEY,
user_name VARCHAR(2000),
sex VARCHAR(20),
decimal_f NUMERIC(32, 6),
phone_number VARCHAR(20),
age INT,
create_time TIMESTAMP,
description TEXT,
address VARCHAR(2000) DEFAULT '未知',
my_status INT
);
COMMENT ON COLUMN "public"."t_8_100w_imp_st_ds_demo5_zl_jxz_sjcjzzzd"."id" IS '主键';
COMMENT ON COLUMN "public"."t_8_100w_imp_st_ds_demo5_zl_jxz_sjcjzzzd"."user_name" IS '名字';
COMMENT ON COLUMN "public"."t_8_100w_imp_st_ds_demo5_zl_jxz_sjcjzzzd"."sex" IS '性别：男；女';
COMMENT ON COLUMN "public"."t_8_100w_imp_st_ds_demo5_zl_jxz_sjcjzzzd"."decimal_f" IS '大数字';
COMMENT ON COLUMN "public"."t_8_100w_imp_st_ds_demo5_zl_jxz_sjcjzzzd"."phone_number" IS '电话';
COMMENT ON COLUMN "public"."t_8_100w_imp_st_ds_demo5_zl_jxz_sjcjzzzd"."age" IS '字符串年龄转数字';
COMMENT ON COLUMN "public"."t_8_100w_imp_st_ds_demo5_zl_jxz_sjcjzzzd"."create_time" IS '新增时间';
COMMENT ON COLUMN "public"."t_8_100w_imp_st_ds_demo5_zl_jxz_sjcjzzzd"."description" IS '大文本';
COMMENT ON COLUMN "public"."t_8_100w_imp_st_ds_demo5_zl_jxz_sjcjzzzd"."address" IS '空地址转默认值：未知';
COMMENT ON COLUMN "public"."t_8_100w_imp_st_ds_demo5_zl_jxz_sjcjzzzd"."my_status" IS '状态';
- conf配置
env {
# 任务名字：业务中可以弄表id
job.name = "ds-st-demo5-mysql2pgsql-zl-jxz-sjcjzzzd.conf"
# 最大批线程数：并行度（线程数）
parallelism = 5
# 任务模式：BATCH:批处理模式；STREAMING:流处理模式
job.mode = "BATCH"
}
source {
jdbc {
url = "jdbc:mysql://ip:port/cs1"
driver = "com.mysql.cj.jdbc.Driver"
user = "root"
password = "zysoft"
# 增量-仅新增
# 时间戳+自增字段：id > 12 and create_time > '2025-12-02 13:28:51'：筛选的数据：13、14
# 区间全量：decimal_f between 7 and 9：筛选的数据：11
query = """select * from t_8_10 where (id > 12 and create_time > '2025-12-02 13:28:51') or (decimal_f between 7 and 9)"""
# 给这个数据集起个名字
plugin_output = "source_data"
# 并行读取配置
# 分片的字段：支持：String、Number(int, bigint, decimal, ...)、Date
partition_column = "id"
# 表的分割大小（行数）：每个分片的数据行（默认8096行）。最后分片数=表的总行数 / split.size
split.size = 50000
# 分片数，匹配并行度parallelism（2.3.12已不推荐配置了，用split.size来代替）
# partition_num = 5
# 最大批处理数:查询的行提取大小(指定当前任务每次执行时读取数据条数,该值(默认1000)受运行内存影响,若该值较大或单条数据量较大，需适当调整运行内存大小。)
fetch_size = 10000
# 连接参数
# 连接超时时间300ms
connection_check_timeout_sec = 300
# 其他jdbc的参数
properties = {
useUnicode = true
characterEncoding = "utf8"
# 时区，不同数据库参数不一样
serverTimezone = "Asia/Shanghai"
# 使用游标提高大结果集性能
useCursorFetch = "true"
# 每次获取行数
defaultFetchSize = "10000"
}
}
}
# 清洗转换（简单的清洗转换，直接在source的query的sql中处理了就行）
transform {
# 1. 字段映射：sql中做了，实际生成中不在这里处理。直接在source的query的sql中处理了就行
# 还可以用：FieldMapper 插件，来映射字段
FieldMapper {
plugin_input = "source_data"
plugin_output = "FieldMapper_data"
field_mapper = {
id = id
name = user_name
sex = sex
decimal_f = decimal_f
phone_number = phone_number
# 临时字段名
age = age_str
create_time = create_time
description = description
address = address
}
}
# 转换age为数字类型（pgsql必须转）
Sql {
plugin_input = "FieldMapper_data"
plugin_output = "Sql_age_data"
query = """
SELECT
id,
user_name,
sex,
decimal_f,
phone_number,
CAST(age_str AS INTEGER) as age,
create_time,
description,
address
from dual
"""
}
# 2. 手机号脱敏：13812341234 -> 138****1234
# 3. 年龄转换：字符串转整数（实际生产中，不用转换，也没有内置的转换插件，可以直接保存成功）
# 4. 性别转换：1->男，2->女
# 5. 数据过滤：只保留 age > 25 的记录。
# 6. 地址默认值：空地址设为'未知'
}
sink {
jdbc {
# 接收的最终数据集
plugin_input = "Sql_age_data"
url = "jdbc:postgresql://ip:port/source_db"
driver = "org.postgresql.Driver"
user = "postgres"
password = "123456"
#query = """INSERT INTO public.t_8_100w_imp_st_ds_demo5_zl_jxz_sjcjzzzd
#(id, user_name, sex, decimal_f, phone_number, age, create_time, description, address)
#VALUES(?,?,?,?,?,?,?,?,?)"""
#query = """UPDATE "public"."t_8_100w_imp_st_ds_demo3_ql_jgx_gb"
#SET "user_name"=?, "sex"=?, "decimal_f"=?, "phone_number"=?, "age"=?, "create_time"=?, "description"=?, "address"=?
#WHERE "id"=?"""
# 自动生成sql的配置，和query参数互斥
# 生成自动插入sql。如果目标库没有表，也会自动建表
generate_sink_sql = true
# database必须要，因为generate_sink_sql=true。
database = source_db
# 自动生成sql时，table必须要。
table = "public.t_8_100w_imp_st_ds_demo5_zl_jxz_sjcjzzzd"
# 生成类似：ON CONFLICT ("id") DO UPDATE SET 的sql
# enable_upsert = true
# 判断值唯一的健：此选项用于支持在自动生成 SQL 时进行 insert，delete 和 update 操作。
# primary_keys = ["id"]
# 表结构处理策略：表不存在时报错（任务失败），一般用：CREATE_SCHEMA_WHEN_NOT_EXIST（表不存在时创建表；表存在时跳过操作（保留数据））
schema_save_mode = "ERROR_WHEN_SCHEMA_NOT_EXIST"
# 插入数据的处理策略
# APPEND_DATA：保留表结构和数据，追加新数据（不删除现有数据）(一般用这个)
# DROP_DATA：保留表结构，删除表中所有数据（清空表）——实现清空重灌
# CUSTOM_PROCESSING :用户定义处理。需要配合：custom_sql使用
data_save_mode = "CUSTOM_PROCESSING"
# 当 data_save_mode 选择 CUSTOM_PROCESSING 时，您应该填写 CUSTOM_SQL 参数。此参数通常填入可执行的 SQL。SQL 将在同步任务之前执行。
#可以实现：同步删除（执行前置update、truncate的sql等）
#这个sql未执行，不知道为啥。
#这个sql已经执行。原因：因为generate_sink_sql=true的原因。才会执行custom_sql。（只有自动生成sql的时候，这个才会执行）
custom_sql = """update "source_db"."public"."t_8_100w_imp_st_ds_demo5_zl_jxz_sjcjzzzd" set "my_status" = 11"""
# 批量写入条数
batch_size = 10000
# 批次提交间隔
batch_interval_ms = 500
# 重试次数
max_retries = 3
# 连接参数
# 连接超时时间300ms
connection_check_timeout_sec = 300
# 其他jdbc的参数
properties = {
# PostgreSQL专用参数
# PostgreSQL的批量优化（注意大小写）
reWriteBatchedInserts = "true"
# 如果需要时区设置
options = "-c timezone=Asia/Shanghai"
}
}
}
- 结果
2025-12-18 10:22:36,044 INFO [s.c.s.s.c.ClientExecuteCommand] [main] -
***********************************************
Job Statistic Information
***********************************************
Start Time : 2025-12-18 10:22:31
End Time : 2025-12-18 10:22:35
Total Time(s) : 4
Total Read Count : 3
Total Write Count : 3
Total Failed Count : 0
***********************************************
demo6：仅更新，最新配置（无细节）
env {
# 任务名字：业务中可以弄表id
job.name = "ds-st-demo6-mysql2pgsql-zl-jgx-sjcjzzzd.conf"
# 最大批线程数：并行度（线程数）
parallelism = 5
# 任务模式：BATCH:批处理模式；STREAMING:流处理模式
job.mode = "BATCH"
}
source {
jdbc {
url = "jdbc:mysql://ip:port/cs1"
driver = "com.mysql.cj.jdbc.Driver"
user = "root"
password = "zysoft"
# 增量-仅新增
# 时间戳+自增字段：id > 12 and create_time > '2025-12-02 13:28:51'：筛选的数据：13、14
# 区间全量：decimal_f between 7 and 9：筛选的数据：11
# query = """select * from t_8_10 where (id > 12 and create_time > '2025-12-02 13:28:51') or (decimal_f between 7 and 9)"""
# 增量-仅更新
# 只更新主键存在的数据，也是全量查询
query = "select * from t_8_10"
# 给这个数据集起个名字
plugin_output = "source_data"
# 并行读取配置
# 分片的字段：支持：String、Number(int, bigint, decimal, ...)、Date
partition_column = "id"
# 表的分割大小（行数）：每个分片的数据行（默认8096行）。最后分片数=表的总行数 / split.size
split.size = 50000
# 分片数，匹配并行度parallelism（2.3.12已不推荐配置了，用split.size来代替）
# partition_num = 5
# 最大批处理数:查询的行提取大小(指定当前任务每次执行时读取数据条数,该值(默认1000)受运行内存影响,若该值较大或单条数据量较大，需适当调整运行内存大小。)
fetch_size = 10000
# 连接参数
# 连接超时时间300ms
connection_check_timeout_sec = 300
# 其他jdbc的参数
properties = {
useUnicode = true
characterEncoding = "utf8"
# 时区，不同数据库参数不一样
serverTimezone = "Asia/Shanghai"
# 使用游标提高大结果集性能
useCursorFetch = "true"
# 每次获取行数
defaultFetchSize = "10000"
}
}
}
# 清洗转换（简单的清洗转换，直接在source的query的sql中处理了就行）
transform {
# 1. 字段映射：sql中做了，实际生成中不在这里处理。直接在source的query的sql中处理了就行
# 还可以用：FieldMapper 插件，来映射字段
FieldMapper {
plugin_input = "source_data"
plugin_output = "FieldMapper_data"
field_mapper = {
name = user_name
sex = sex
decimal_f = decimal_f
phone_number = phone_number
# 临时字段名
age = age_str
create_time = create_time
description = description
address = address
id = id
}
}
# 转换age为数字类型（pgsql必须转）
Sql {
plugin_input = "FieldMapper_data"
plugin_output = "Sql_age_data"
query = """
SELECT
user_name,
sex,
decimal_f,
phone_number,
CAST(age_str AS INTEGER) as age,
create_time,
description,
address,
id
from dual
"""
}
# 2. 手机号脱敏：13812341234 -> 138****1234
# 3. 年龄转换：字符串转整数（实际生产中，不用转换，也没有内置的转换插件，可以直接保存成功）
# 4. 性别转换：1->男，2->女
# 5. 数据过滤：只保留 age > 25 的记录。
# 6. 地址默认值：空地址设为'未知'
}
sink {
jdbc {
# 接收的最终数据集
plugin_input = "Sql_age_data"
url = "jdbc:postgresql://ip:port/source_db"
driver = "org.postgresql.Driver"
user = "postgres"
password = "123456"
# 仅更新，必须使用更新语句了
query = """UPDATE "public"."t_8_100w_imp_st_ds_demo6_zl_jgx_sjcjzzzd"
SET "user_name"=?, "sex"=?, "decimal_f"=?, "phone_number"=?, "age"=?, "create_time"=?, "description"=?, "address"=?
WHERE "id"=?;"""
# 自动生成sql的配置，和query参数互斥
# 生成自动插入sql。如果目标库没有表，也会自动建表
# generate_sink_sql = true
# database必须要，因为generate_sink_sql=true。
# database = source_db
# 自动生成sql时，table必须要。
# table = "public.t_8_100w_imp_st_ds_demo6_zl_jgx_sjcjzzzd"
# 生成类似：INSERT INTO …… ON CONFLICT ("主键") DO UPDATE SET …… 的sql
# enable_upsert = true
# 判断值唯一的健：此选项用于支持在自动生成 SQL 时进行 insert，delete 和 update 操作。
# primary_keys = ["id"]
# 表结构处理策略：表不存在时报错（任务失败），一般用：CREATE_SCHEMA_WHEN_NOT_EXIST（表不存在时创建表；表存在时跳过操作（保留数据））
schema_save_mode = "ERROR_WHEN_SCHEMA_NOT_EXIST"
# 插入数据的处理策略
# APPEND_DATA：保留表结构和数据，追加新数据（不删除现有数据）(一般用这个)
# DROP_DATA：保留表结构，删除表中所有数据（清空表）——实现清空重灌
# CUSTOM_PROCESSING :用户定义处理。需要配合：custom_sql使用
data_save_mode = "CUSTOM_PROCESSING"
# 当 data_save_mode 选择 CUSTOM_PROCESSING 时，您应该填写 CUSTOM_SQL 参数。此参数通常填入可执行的 SQL。SQL 将在同步任务之前执行。
#可以实现：同步删除（执行前置update、truncate的sql等）
#这个sql未执行，不知道为啥。
#这个sql已经执行。原因：因为generate_sink_sql=true的原因。才会执行custom_sql。（只有自动生成sql的时候，这个才会执行）
custom_sql = """update "source_db"."public"."t_8_100w_imp_st_ds_demo6_zl_jgx_sjcjzzzd" set "my_status" = 22;"""
# 批量写入条数
batch_size = 10000
# 批次提交间隔
batch_interval_ms = 500
# 重试次数
max_retries = 3
# 连接参数
# 连接超时时间300ms
connection_check_timeout_sec = 300
# 其他jdbc的参数
properties = {
# PostgreSQL专用参数
# PostgreSQL的批量优化（注意大小写）
reWriteBatchedInserts = "true"
# 如果需要时区设置
options = "-c timezone=Asia/Shanghai"
}
}
}
浙公网安备 33010602011771号