Apache SeaTunnel 中 Source 并行度设置问题解析

问题背景

在 Apache SeaTunnel 2.3.10 版本中，用户在使用 HTTP Source 连接器时发现了一个关于并行度设置的异常行为。根据官方文档描述，Source 连接器支持通过 parallelism 参数来控制读取并行度，且该设置会覆盖环境(env)中的并行度配置。然而实际测试表明，这一功能并未按预期工作。

问题现象

用户配置了以下场景：

• 在 env 中设置全局并行度为 5
• 在 HTTP Source 中设置并行度为 1
• 期望结果是 Source 以并行度 1 运行

然而实际运行时，系统仍然以并行度 5 执行，导致抛出异常："A single split source allows only one single reader to be created. Please make sure source parallelism = 1"。

技术分析

1. 连接器实现机制

HTTP Source 继承自 AbstractSingleSplitSource 类，这个基类设计上只允许创建单个读取器实例，因此强制要求并行度必须为 1。这是许多单分片(单分区)数据源的常见实现方式。

2. 并行度设置流程

在 SeaTunnel 的执行流程中，并行度的确定遵循以下逻辑：

1. 首先检查 Source 配置中是否显式设置了 parallelism 参数
2. 如果没有设置，则回退使用 env 中配置的全局并行度
3. 对于 Spark 执行引擎，存在一个执行顺序问题导致 Source 配置的并行度未被正确应用

3. 引擎差异表现

测试发现：

• 在 Flink 执行引擎下，并行度设置逻辑工作正常
• 在 Spark 执行引擎下，由于 SourceExecuteProcessor 中的代码顺序问题，导致 Source 配置的并行度未被正确应用

解决方案

1. 临时解决方案

对于必须使用 Spark 引擎且遇到此问题的用户，目前可以：

1. 在 env 中直接设置 parallelism = 1
2. 避免在单分片 Source 中设置高并行度

2. 根本修复

社区已经识别出问题根源在于 Spark 引擎的 SourceExecuteProcessor 实现中，并行度设置的代码顺序不正确。修复方案是调整相关代码的执行顺序，确保：

1. 优先读取 Source 配置中的 parallelism 参数
2. 只有在未配置时才回退到 env 中的设置

最佳实践建议

1. 对于明确继承自 AbstractSingleSplitSource 的连接器，建议始终在 env 中设置 parallelism = 1
2. 对于支持并行读取的 Source，可以放心使用 parallelism 参数控制读取并发度
3. 升级到包含修复的版本后，可以更灵活地在不同层级控制并行度

总结

这个问题揭示了 SeaTunnel 在不同执行引擎下行为不一致的情况，也提醒开发者在使用时需要了解所用连接器的特性。社区已经定位问题并准备修复，后续版本将提供更一致的并行度控制体验。对于数据处理系统而言，理解并行度控制机制对于性能调优和稳定性保障都至关重要。