这期内容当中小编将会给大家带来有关Github 1.9K Star的数据治理框架Amundsen如何理解,文章内容丰富且以专业的角度为大家分析和叙述,阅读完这篇文章希望大家可以有所收获。
Amundsen的使命,整理有关数据的所有信息,并使其具有普遍适用性。
这是Amundsen官网的一句话,对于元数据的管理工作,复杂且繁琐。可用的工具很多但各有千秋,数据血缘做的较好的应该是Apache Atlas,而数据可视化做的较好的应该是Apache Superset。业界一直需要一个可以整合这些功能,让数据治理更加的简单便捷,而这正是Amundsen的使命。
类似于Atlas (Apache),Datahub (LinkedIn)。Amundsen主要在于提高数据分析师,数据科学家和数据工程师的工作效率。它可以通过为数据资源建立索引,并通过一定的机制来支持在页面上进行排名搜索。可以将其视为搜索功能,但搜索的是元数据。该项目以挪威探险家Roald Amundsen(第一个发现南极的人)的名字命名。
Amundsen由LF AI&Data基金会维护。LF AI&Data是Linux Foundation的保护基金会,支持人工智能,机器学习,深度学习和数据方面的开源创新。
目前Amundsen在github有1.9kStar,还没有Releases的版本,项目正处于蒸蒸日上的上升期。
下图显示了Amundsen的总体架构。
可见,Hive,Presto等数据源通过Databuilder ingestion框架获取元数据,写入Elasticsearch和Neo4j,通过搜索服务与元数据服务提供给前端。
主要模块如下:
作为用户交互的web页面。
这是基于Flask的Web应用程序,页面是React构建的。
搜索服务采用Elasticsearch的搜索功能(或者Apache Atlas),并提供一个RESTful API服务。
元数据服务目前使用的Neo4j的图数据库进行交互。
Amundsen提供了搜索,推荐,表描述,数据预览在内的非常多的功能,数据血缘功能正在研发中。
以上是部分功能展示:
登陆页面:Amundsen的登陆页面
搜索预览:查看搜索结果
表的详细页面:Hive 等表的可视化
列详细信息:主要是一些列的统计信息
数据预览页面:表数据预览的可视化,可以与Apache Superset或其他数据可视化工具集成。
Amundsen支持的数据源非常多。
Apache Druid,Apache Hive,CSV,Oracle,
Mysql,Delta Lake等等。
Amundsen还可以连接到任何提供dbapi
或sql_alchemy
接口的数据库。
同时Amundsen还支持和一些仪表盘的集成,比如
Redash,Tableau。
ETL工具的集成,Apache Airflow。
BI可视化工具,Apache Superset。
上述就是小编为大家分享的Github 1.9K Star的数据治理框架Amundsen如何理解了,如果刚好有类似的疑惑,不妨参照上述分析进行理解。如果想知道更多相关知识,欢迎关注亿速云行业资讯频道。
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。