擁抱開源 - 云上元數(shù)據(jù)管理

---

上期我們講述的是實(shí)現(xiàn)數(shù)據(jù)工程師夢(mèng)想的一個(gè)小目標(biāo)《夢(mèng)想成真，只差一步》，里面提到了要實(shí)現(xiàn)數(shù)據(jù)超市的管理，數(shù)據(jù)工程師需要使用合適的工具將數(shù)據(jù)進(jìn)行整理、組合、分類后上架，然后業(yè)務(wù)分析師和數(shù)據(jù)科學(xué)家就可以使用了。

在整個(gè)數(shù)據(jù)工程師的工作流程中，需要自始至終的進(jìn)行數(shù)據(jù)治理：我們需要將每種類型的數(shù)據(jù)進(jìn)行清晰的標(biāo)識(shí)以及分類，以利于其它角色的用戶進(jìn)行查找以及使用；我們需要將每種數(shù)據(jù)的使用范圍進(jìn)行管理以及監(jiān)控，以使得數(shù)據(jù)被合理、合法的使用；我們還要管理數(shù)據(jù)的生存周期以及質(zhì)量溯源，以利于數(shù)據(jù)質(zhì)量可以被監(jiān)管，無用數(shù)據(jù)被清除...... 因此本文中我們將著重介紹上圖中標(biāo)紅框的部分，介紹實(shí)現(xiàn)我們夢(mèng)想的工具Open Metadata Services - 開源組件Apache Atlas。

這個(gè)模塊還在Apache的孵化中，最新的版本是8月16號(hào)發(fā)布的0.7版本。詳細(xì)文檔可以查看以下鏈接：http://atlas.incubator.apache.org/

Atlas 最早由HortonWorks實(shí)現(xiàn)，用來管理Hadoop項(xiàng)目里面的元數(shù)據(jù)，進(jìn)而設(shè)計(jì)為數(shù)據(jù)治理的框架。后來開源出來給Apache社區(qū)進(jìn)行孵化，目前得到Aetna，Merck，Target，SAS等公司的支持進(jìn)行發(fā)展演進(jìn)，IBM現(xiàn)在也積極貢獻(xiàn)功能，拿來為我所用。(其在HortonWorks公司的介紹材料鏈接： https://zh.hortonworks.com/apache/atlas/#section_1 ) 從其誕生歷史看，該框架天生就支持橫向海量擴(kuò)展，具備良好的集成能力，非常適合在云上使用。以下是其架構(gòu)圖：

Apache網(wǎng)站介紹它的主要功能有：

1、數(shù)據(jù)分類 ；

2、集中審計(jì) ；

3、搜索及溯源 ；

4、安全及策略引擎 ；

它的最核心部分Core就是類型管理系統(tǒng) Type System ， 用戶可以把數(shù)據(jù)資產(chǎn)進(jìn)行類型定義，然后使用Ingest/Export 的模塊進(jìn)行元數(shù)據(jù)的導(dǎo)入、修改、刪除等管理。和外界的接口可以通過Rest API或使用Kafaka進(jìn)行消息交換。數(shù)據(jù)對(duì)象存放在按照?qǐng)D的模式進(jìn)行管理的Titan圖數(shù)據(jù)庫中，具體Titan又把元數(shù)據(jù)存放在HBase中，索引存放在Solr中。這樣用戶可以非常便捷和直觀的通過層次圖進(jìn)行瀏覽信息，可以按照文字進(jìn)行精確的查找。

如上圖，我們將數(shù)據(jù)資產(chǎn)分成了五類，分別是：Pipeline、Data Set、Report、Model、Notebook，具體存儲(chǔ)的屬性是紅色框部分，描述了以上五種數(shù)據(jù)資產(chǎn)的詳細(xì)信息：例如它是哪類型業(yè)務(wù)，數(shù)據(jù)質(zhì)量如何，歸在哪個(gè)項(xiàng)目里面，具體評(píng)級(jí)如何、用戶訪問權(quán)限如何等等......

有了這個(gè)Open Data Services服務(wù)后，我們是否覺得又離夢(mèng)想近了一步？更詳細(xì)的使用我們將在未來文章分享。

IBM對(duì)開源社區(qū)一直采取大力擁抱以及不遺余力地進(jìn)行支持的態(tài)度：

IBM基于Cloud Foundry 打造了世界最大的PaaS平臺(tái)BlueMix，在上面部署了大量開源的云數(shù)據(jù)服務(wù)業(yè)務(wù) - 例如Cloudant源于CouchDB，DataWorks Forge構(gòu)建在Spark平臺(tái)之上?，F(xiàn)在我們將Atlas開源元數(shù)據(jù)管理部署到我們的云數(shù)據(jù)治理中，通過實(shí)際使用來促進(jìn)該項(xiàng)目的大力發(fā)展。我們有理由相信，未來IBM 將把開源的魔力繼續(xù)發(fā)揚(yáng)光大！

更多大數(shù)據(jù)與分析相關(guān)行業(yè)資訊、解決方案、案例、教程等請(qǐng)點(diǎn)擊查看>>>

詳情請(qǐng)咨詢在線客服！

客服熱線：023-66090381