原文链接:当我们在聊「开源大数据调度系统 Taier」的数据开发功能时,到底在讨论什么?
视频回放:点击这里
本期我们带大家回顾一下摘月同学的直播分享《Taier 数据开发介绍》
之前三期内容,我们为大家分享了 Taier 入门、控制台以及 Web 前端架构的介绍。本次分享我们将从 Taier 的数据开发功能,到任务运行、功能可扩展点以及未来规划为大家进行讲解。
Taier 是袋鼠云开源项目之一,是一个分布式可视化的 DAG 任务调度系统,旨在降低 ETL 开发成本、提高大数据平台稳定性,Taier 的数据开发功能主要分为以下三种:
资源管理通常使用在 UDF 等自定义函数的场景中,也可以在任务开发中使用。在 Taier 中,对于函数引用,主要用在 Spark、Flink 自定义函数中,而在任务引用中,则主要用于 Flink 任务。
自定义函数处理流程如下图所示:
函数管理在 Taier 中的具体实现主要包括以下两个方面:
Taier 现支持任务:Flink SQL、实时采集、数据同步(ChunJun)、Spark SQL、HiveSQL
Taier 中有两块区分,分别为集群和数据开发,如果想在 Taier 中跑一个任务,需要先在集群中进行配置,具体组件与任务关系如下图:
了解完 Taier 数据开发的功能介绍后,我们来为大家分享 Taier 的任务运行逻辑。
Spark Sql、Hive Sql 临时运行流程主要分为任务编写、SQL 处理、SQL 执行三步,以下图为 SparkSql 执行流程:
Spark Sql 、Hive Sql 运行依赖主要包括以下两类:
● Sql 解析(基于 calcite 进行)
・Sql Type 解析
・函数、表名解析
● 数据源插件
・统一不同数据源操作入口
・封装数据源对应的数据操作方法
当前而言,Taier 中的功能还较为简单,只开放了主要流程的功能,在开源中还有许多可扩展点,接下来为大家介绍 Taier 的功能可扩展点。
在 sparkThrift、hiveserver 中去进行 create、insert into、alter、select 时,不同的公司、不同的人有不一样的数据权限控制,面对这种情况,可以利用 Apache Ranger 大数据权限管理框架进行权限配置。
具体地址为:
github:https://github.com/ranger/ranger
通过 SQL 解析可以得到表和表之间的关系,以及不同表中字段之间的血源关系。
● 实现工具:calcite
● 可操作任务:SparkSql、HiveSql、数据同步(ChunJun)
用 sql 举例:
create table zy_0710_1 (id int, name string);
create table zy_0710_2 as select id , name from zy_0710_1;
create table zy_0710_3 as select id , name from zy_0710_2;
最后为大家介绍未来不久将发布的 Taier1.2 新版本尝鲜:
●集群管理
控制台 ui 升级
● 数据开发
● 新增功能
欢迎对大数据开源项目有兴趣的同学加入交流最新技术信息,开源项目库地址:https://github.com/DTStack
apache sparkgithubhiveapache calciteapache rangerapache flinkgitee 大数据
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。