Apache Atlas数据治理开源项目源代码解析

2024-04-15 14:48
文章标签 数据 项目 解析 开源 源代码 apache 治理 atlas

本文主要是介绍Apache Atlas数据治理开源项目源代码解析，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

Apache Atlas版本号：2.0.0

从官方网站下载Apache Atlas2.0.0版本源代码，用开发工具（如IntelliJ IDEA）打开。

根目录结构

一、3party-licenses

        第三方组件许可，可以看出Atlas主要用到的第三方技术组件，绝大部分是前端技术组件，janusgraph和titan是图数据库组件，JanusGraph是Titan的继承者，老版本用的是Titan，新版本是用的JanusGraph

二、addons

       安装扩展组件源代码，主要是Atlas接入各种Hadoop元数据数据源的桥接代码，对应Atlas架构图中的部分：

1、falcon-bridge

       falcon桥接扩展模块，Apache Falcon是一个开源的hadoop数据生命周期管理框架, 它提供了数据源 (Feed) 的管理服务,如生命周期管理,备份,存档到云等,通过Web UI可以很容易地配置这些预定义的策略, 能够大大简化hadoop集群的数据流管理。falcon-bridge主要负责将Apache Falcon元数据接入Atlas元数据管理系统。
    bridge.FalconBridge类，提供了一系列注册Falcon元数据实体到Atlas系统的桥接工具API方法
    hook.FalconHook类，Falcon元数据通知事件钩子处理类

    这个模块的详细介绍说明和使用说明见官方文档：http://atlas.apache.org/#/HookFalcon，或者本地文档：docs/src/site/twiki/Hook-Falcon.twiki

2、falcon-bridge-shim

        falcon桥接扩展垫片，即atlas的falcon桥接插件

3、hbase-bridge

        Hbase桥接扩展模块，通过bin目录下的import-hbase.sh脚本导入Hbase元数据到Atlas系统，脚本调用了桥接代码类HBaseBridge，main方法入口。这个模块的详细介绍说明和使用说明见官方文档：http://atlas.apache.org/#/HookHBase，或本地文档：docs/src/site/twiki/Hook-HBase.twiki

4、hive-bridge

        hive桥接扩展模块，通过bin目录下的import-hive.sh脚本导入hive元数据到Atlas系统，脚本调用了桥接代码类HiveMetaStoreBridge，main方法入口。

        这个模块的详细介绍说明和使用说明见官方文档：http://atlas.apache.org/#/HookHive，或本地文档：docs/src/site/twiki/Hook-Hive.twiki

5、kafka-bridge

       Kafka桥接扩展模块，通过bin目录下的import-kafka.sh脚本导入hive元数据到Atlas系统，脚本调用了桥接代码类KafkaBridge，main方法入口。这个模块的详细介绍说明和使用说明见官方文档：http://atlas.apache.org/#/HookKafka

6、models

        提供Atlas各种元数据模型类型定义json文件

7、sqoop-bridge

        Sqoop桥接扩展模块，主要提供一个SqoopHook类用于在sqoop将其他数据源数据同步到hive仓库后自动发送hive导入操作相关的元数据到Atlas系统。这个模块的详细介绍说明和使用说明见官方文档：http://atlas.apache.org/#/HookSqoop

8、storm-bridge 

         Storm桥接扩展模块，提供StormAtlasHook类用于将storm拓扑元数据信息通过Kafka Broker发送给Atlas系统进行持久化管理。这个模块的详细介绍说明和使用说明见官方文档：http://atlas.apache.org/#/HookStorm     

三、authorization

          Atlas鉴权模块，支持Simple鉴权和Ranger鉴权两种方式，这个模块的详细介绍说明和使用说明见官方文档：http://atlas.apache.org/#/AuthorizationModel

四、build-tools

      构建工具，主要配置Checkstyle进行代码静态检查

五、client

      客户端API代码

client-v1包：V1版本客户端API代码

client-v2包：V2版本客户端API代码，客户端调用Atlas API接口时可以直接调用这里封装的API接口方法，减轻代码开发工作量

六、Common

        公共模块，主要提供启动和停止所有服务的功能、公共配置和高可用配置管理、公共注解接口、Groovy表达式定义

七、dashboardv2

        Atlas管理台UI前端应用，对应架构图中的Admin UI

  • 界面展示html模板代码在dashboardv2/public/js/templates目录下
  • 界面功能业务Js代码在dashboardv2/public/js/views目录下
  • 从package.json中的依赖项可以看出该前端项目主要采用的jquery+requireJS+backbone架构，主要依赖项：
    • backbone.js：前端框架，backbone.js是一个轻量级的MVC JavaScript库， Backbone 框架中的主要组件包括模型model、视图view、集合collection和路由器router。
    • backgrid.js ：基于backbone.js 用于构建语义和容易样式化的 HTML 表格组件
    • jQuery：一个高效、精简并且功能丰富的 JavaScript 工具库。它提供的 API 易于使用且兼容众多浏览器，这让诸如 HTML 文档遍历和操作、事件处理、动画和 Ajax 操作更加简单。
    • RequireJS：一个JavaScript文件和模块加载器，可视为模块管理工具，可以提高前端代码的加载速度和质量。
  • 项目开发构建依赖grunt-基于 Node.js 的前端项目自动构建工具

八、dev-support

        开发支持，主要提供Docker部署配置，各种API操作的客户端shell执行脚本，样例数据json文件

九、distro

  • atlas分布式部署相关的一些开发配置文件
  • pom.xml中提供了一些图数据库存储Hbase和图数据库索引检索组件solr的默认配置
  • zk目录下提供了zookeeper安装压缩包zookeeper-3.4.6.tgz
  • bin目录下提供atlas基本安装部署的Python脚本文件，比如启动、停止atlas服务等
  • conf下提供Atlas配置文件
  • hbase下是hbase的配置文件
  • solr下是solr相关的配置文件
  • zookeeper下是zookeeper的配置文件
  • 另外主要有：Atlas应用配置文件atlas-application.properties、Atlas环境变量配置文件atlas-env.sh、日志配置文件atlas-log4j.xml，鉴权策略配置文件atlas-simple-authz-policy.json、用户认证配置文件users-credentials.properties
  • main/assemblies目录下是打包相关的描述符配置文件

十、docs

        Atlas官方文档，跟官方网站上的在线文档一致，官方文档地址：http://atlas.apache.org/#/

十一、graphdb

        图数据库模块，大致对应架构图中的如下部分：

  • api：图数据库API，主要提供Atlas从图数据库操作元数据的API接口
  • common：图数据库公共代码，主要是Tinkerpop图数据库和图计算框架，主要提供了图数据库查询表达式和查询接口
  • graphdb-impls：Atlas图数据库实现依赖，无源代码
  • janus：JanusGraph图数据库实现模块
    • graphson：主要提供GraphSON格式数据操作实用工具方法，主要工具方法和业务代码在AtlasGraphSONUtility类中，提供唯一的公共静态API方法：jsonFromElement，用于将图元素对象转化成json格式的GraphSON对象
    • migration包：数据迁移相关的代码包，主类是GraphDBGraphSONMigrator，用于导入旧数据，入口方法：importData
    • query包：查询相关的代码包，主要提供图计算查询构造器AtlasJanusGraphQuery
    • serializer包：序列化相关的的代码包，提供几种数据类型的序列化实现
    • 另外是一些图数据库操作相关的类
  • janus-hbase2：JanusGraph图数据库HBase存储管理模块

十二、intg

        Atlas集成模块，对应架构图中的：

  • entitytransform包：实体转化处理相关的代码，主要关注几个hive和hdfs实体处理的Handler类
  • listener包：提供2个监听器接口定义，Atlas元数据实体变更通知监听接口和类型变更监听接口
  • model包：提供各种模型定义
  • pc包：提供WorkItem作业条目管理
  • security包：提供安全相关的配置管理
  • store：提供Atlas类型定义持久化存储接口
  • type包：提供各种Atlas类型定义以及类型操作的实用工具静态API方法
  • utils包：提供Atlas实体处理的实用工具静态API方法、Kerberos认证的实用工具静态API方法
  • v1：提供V1版本的模型定义和类型操作API方法
  • ApplicationProperties和AtlasConfiguration提供Atlas属性参数管理

十三、notification

        提供基于kafka的消息通知处理，包括一些钩子消息的处理，对应架构图中的Messaging<kafka>，参考官方文档：http://atlas.apache.org/#/Notifications

十四、plugin-classloader

        Atlas插件类加载器，用于加载Atlas插件类

十五、repository

        Atlas元数据仓库管理模块，大致对应架构图中的如下部分:

  • discovery：提供元数据搜索、检索相关的服务
  • glossary：提供元数据术语相关的操作服务
  • query：提供基于Gremlin图遍历语言和DSL（Domain Specific Search）语言的元数据查询服务
  • repository： Atlas元数据仓库核心服务
    • audit ：提供元数据仓库操作日志审计功能
    • converters：Atlas各种数据类型格式转换处理
    • graph：提供图数据库服务
    • impexp：元数据导入导出处理
    • migration：数据迁移服务
    • ogm：各种数据传输对象DTO定义
    • patches：补丁管理服务
    • store：Atlas元数据存储访问服务层
    • userprofile：用户Profile服务
  • services：提供统计度量服务
  • util：提供实用工具API
  • GraphTransactionAdvisor图事务切面，GraphTransactionInterceptor图事务拦截器

十六、server-api

        Atlas服务器相关API，给其他模块引用

十七、test-tools

        测试工具模块，提供本地solr运行器，用于solr服务测试

十八：tools

        工具模块，提供Atlas索引修复工具、HDP-2.6.x版本元数据导出Python脚本、classification

分类修改处理代码和shell脚本

十九、webapp

        Atlas Web应用模块，对应架构图中的API<HTTP/REST>

  • web应用需要登录，登录页面为login.jsp
  • 跟管理台UI前端模块结合使用，登录js在前端模块，登录成功后进入前端模块功能界面，前端调用webapp提供的API接口
  • examples包：提供快速测试样例，用来测试web API接口
  • notification包：通知消息处理，Atlas实体变更通知处理、kafka通道钩子消息监听处理
  • util包提供唯一类CredentialProviderUtility，用于安全认证处理
  • web包：主要提供Rest API接口
    • dao.UserDao用户登录处理数据访问层实现
    • errors：异常错误处理
    • filters：过滤器，主要是登录认证的过滤器，提供SSO登录、CSRF攻防、访问审计日志等功能
    • listeners.LoginProcessor：用户登录处理，包括简单登录处理和kerberos认证登录处理
    • model.User用户属性定义
    • params：参数类型定义
    • resources.AdminResource：管理API资源服务，提供获取系统线程Dump、版本信息、服务状态、会话信息、性能度量信息、元数据导入导出、集群服务器信息等API接口
    • rest包：提供Rest API接口
      • DiscoveryREST：提供元数据搜索相关的REST API接口，支持DSL查询或全文检索查询
      • EntityREST：提供Atlas元数据实体增删改查操作相关的REST API接口
      • GlossaryREST：提供Atlas术语增删改查操作相关的REST API接口
      • LineageREST：提供获取Atlas元数据实体的血统图REST API接口
      • RelationshipREST：提供Atlas元数据关联关系增删改查操作相关的REST API接口
      • TypesREST：提供Atlas元数据类型增删改查操作相关的REST API接口
    • security包：提供安全相关的处理服务
    • service包：基础服务包
    • setup包：web容器启动初始化自动装配服务，提供KerberosAwareListener监听类用于自动装配Kerberos登录服务
    • util包：实用工具包
  • Atlas类：Atlas单机部署启动服务驱动类，通过distro模块Python脚本atlas_start.py调用，通过内嵌的jetty服务器独立运行Atlas元数据服务系统

这篇关于Apache Atlas数据治理开源项目源代码解析的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/906116。

相关文章

网页解析 lxml 库--实战

网页解析 lxml 库--实战

lxml库使用流程 lxml 是 Python 的第三方解析库，完全使用 Python 语言编写，它对 XPath表达式提供了良好的支 持，因此能够了高效地解析 HTML/XML 文档。本节讲解如何通过 lxml 库解析 HTML 文档。 pip install lxml lxm| 库提供了一个 etree 模块，该模块专门用来解析 HTML/XML 文档，下面来介绍一下 lxml 库
阅读更多...
大模型研发全揭秘：客服工单数据标注的完整攻略

大模型研发全揭秘：客服工单数据标注的完整攻略

在人工智能（AI）领域，数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者，掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中，工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注，不仅能够帮助提升客服自动化系统的智能化水平，还能优化客户服务流程，提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行
阅读更多...
基于MySQL Binlog的Elasticsearch数据同步实践

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展，我们的业务数据越来越多，单纯使用 MySQL 已经不能满足我们的数据查询需求，例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后，随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步，我们目前的解决方案是建立数据中间表。把需要检索的业务数据，统一放到一张M
阅读更多...
这15个Vue指令，让你的项目开发爽到爆

这15个Vue指令，让你的项目开发爽到爆

1. V-Hotkey 仓库地址: github.com/Dafrok/v-ho… Demo: 戳这里 https://dafrok.github.io/v-hotkey 安装: npm install --save v-hotkey 这个指令可以给组件绑定一个或多个快捷键。你想要通过按下 Escape 键后隐藏某个组件，按住 Control 和回车键再显示它吗？小菜一碟： <template
阅读更多...
关于数据埋点，你需要了解这些基本知识

关于数据埋点，你需要了解这些基本知识

产品汪每天都在和数据打交道，你知道数据来自哪里吗？ 移动app端内的用户行为数据大多来自埋点，了解一些埋点知识，能和数据分析师、技术侃大山，参与到前期的数据采集，更重要是让最终的埋点数据能为我所用，否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式，可以区分为： 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理：自动程度高的，能解决通用统计，便于统一化管理，但个性化定
阅读更多...
使用SecondaryNameNode恢复NameNode的数据

使用SecondaryNameNode恢复NameNode的数据

1）需求： NameNode进程挂了并且存储的数据也丢失了，如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2）故障模拟 （1）kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 （2）删除NameNode存储的数据（/opt/module/hadoop-3.1.4/data/tmp/dfs/na
阅读更多...
异构存储（冷热数据分离）

异构存储（冷热数据分离）

异构存储主要解决不同的数据，存储在不同类型的硬盘中，达到最佳性能的问题。 异构存储Shell操作 （1）查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies （2）为指定路径（数据存储目录）设置指定的存储策略 hdfs storagepolicies -setStoragePo
阅读更多...
Hadoop集群数据均衡之磁盘间数据均衡

Hadoop集群数据均衡之磁盘间数据均衡

生产环境，由于硬盘空间不足，往往需要增加一块硬盘。刚加载的硬盘没有数据时，可以执行磁盘数据均衡命令。（Hadoop3.x新特性） plan后面带的节点的名字必须是已经存在的，并且是需要均衡的节点。 如果节点不存在，会报如下错误： 如果节点只有一个硬盘的话，不会创建均衡计划： （1）生成均衡计划 hdfs diskbalancer -plan hadoop102 （2）执行均衡计划 hd
阅读更多...
如何用Docker运行Django项目

如何用Docker运行Django项目

本章教程，介绍如何用Docker创建一个Django，并运行能够访问。 一、拉取镜像 这里我们使用python3.11版本的docker镜像 docker pull python:3.11 二、运行容器 这里我们将容器内部的8080端口，映射到宿主机的80端口上。 docker run -itd --name python311 -p
阅读更多...
阿里开源语音识别SenseVoiceWindows环境部署

阿里开源语音识别SenseVoiceWindows环境部署

SenseVoice介绍 SenseVoice 专注于高精度多语言语音识别、情感辨识和音频事件检测多语言识别： 采用超过 40 万小时数据训练，支持超过 50 种语言，识别效果上优于 Whisper 模型。富文本识别：具备优秀的情感识别，能够在测试数据上达到和超过目前最佳情感识别模型的效果。支持声音事件检测能力，支持音乐、掌声、笑声、哭声、咳嗽、喷嚏等多种常见人机交互事件进行检测。高效推
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2