当Atlas遇见Flink——Apache Atlas 2.2.0发布！人工智能

文章图片

【当Atlas遇见Flink——Apache Atlas 2.2.0发布！】距离上次atlas发布新版本已经有一年的时间了，但是这一年元数据管理平台的发展一直没有停止。Datahub，Amundsen等等，都在不断的更新着自己的版本。但是似乎Atlas在元数据管理，数据血缘领域的地位一直没有动摇。
最近Atlas终于迎来又一次大的更新，发布了全新的2.2.0版本。

文章图片

更多Atlas，数据治理相关技术分享，请关注大数据流动

文章图片

首先来了解一下这个版本。
Apache Atlas 2.2 有哪些新功能？

分类传播任务 : 分类传播将作为后台任务处理 (AtlasTask)
重新索引：添加重新索引作为 JAVA_PATCH 的一部分
模型更改：创建 JAVA_PATCH 以向现有实体添加新的父类型
导出服务：在 Atlas 导出 API 中添加了对业务元数据的支持
Admin/AtlasTask API : 添加了对 admin/task API 的 HA 支持
实体定义：提供了向已存在实体定义添加强制性属性

增强功能

DSL 搜索：添加了对词汇表术语和关系的支持，添加了对空属性值的支持，现在使用 Tinkerpop GraphTraversal 而不是 GremlinScriptEngine 来提高性能，添加了缓存机制来支持 DSL
Atlas Python 客户端：重构和增强的 Atlas Python 客户端，支持 Python 2.7
搜索：更新了自由文本搜索处理器以支持 Elasticsearch，支持带有特殊字符的搜索文本，优化分页
批量词汇表导入：改进和增强的批量词汇表导入支持使用关系导入
性能：提高了 GraphHelper 的 guid 和 status getter 方法的性能
授权：增强 Atlas 授权，用于添加/更新/删除实体分类，“admin-audits”用于 Atlas Admin Audits 授权
通知：改进了 NotificationHookConsumer，用于大消息的处理
导出/导入服务：增强的导出/导入服务以有条件地支持同步操作和导出条款
Hive Hook：添加了对 HiveServer2 Hook 的支持
Apache Flink：引入模型来捕获 Apache Flink 实体和关系
GCP：引入模型来捕获 GCP 实体和关系
依赖升级：JanusGraph、elasticsearch、JQuery、Http core、Http Client、slf4j、log4j、ant、gremlin、Solr、groovy、netty、Kafka
UI：修复了 Atlas Web UI 的一些问题，提高了大量分类和实体的情况下的加载速度
Docker 镜像：增强了对 Docker 的支持

遇见Flink Apache Flink：引入模型来捕获 Apache Flink 实体和关系
也就是说目前Atlas已经默认增加Flink可以接受Flink的元数据了，但是Flink并没有公布对atlas的支持，捕获并发送元数据这部分还是需要做一些的工作。
Atlas定义的Flink实体：

{ "entityDefs": [ { "name": "flink_application", "superTypes": [ "Process" ], "serviceType": "flink", "typeVersion": "1.0", "attributeDefs": [ { "name": "id", "typeName": "string", "cardinality": "SINGLE", "isIndexable": true, "isOptional": false, "isUnique": true }, { "name": "startTime", "typeName": "date", "cardinality": "SINGLE", "isIndexable": false, "isOptional": true, "isUnique": false }, { "name": "endTime", "typeName": "date", "cardinality": "SINGLE", "isIndexable": false, "isOptional": true, "isUnique": false }, { "name": "conf", "typeName": "map", "cardinality": "SINGLE", "isIndexable": false, "isOptional": true, "isUnique": false } ] }, { "name": "flink_process", "superTypes": [ "Process" ], "serviceType": "flink", "typeVersion": "1.0", "attributeDefs": [ { "name": "id", "typeName": "string", "cardinality": "SINGLE", "isIndexable": true, "isOptional": false, "isUnique": true }, { "name": "startTime", "typeName": "date", "cardinality": "SINGLE", "isIndexable": false, "isOptional": true, "isUnique": false }, { "name": "endTime", "typeName": "date", "cardinality": "SINGLE", "isIndexable": false, "isOptional": true, "isUnique": false }, { "name": "conf", "typeName": "map", "cardinality": "SINGLE", "isIndexable": false, "isOptional": true, "isUnique": false } ] }, { "name": "flink_application_processes", "serviceType": "flink", "typeVersion": "1.0", "relationshipCategory": "AGGREGATION", "endDef1": { "type": "flink_application", "name": "processes", "cardinality": "SET", "isContainer": true }, "endDef2": { "type": "flink_process", "name": "application", "cardinality": "SINGLE" }, "propagateTags": "NONE" } ] }'

当然Apache也在持续的推进：