隨著數(shù)字化轉(zhuǎn)型的工作推進(jìn)，數(shù)據(jù)治理的工作已經(jīng)被越來(lái)越多的公司提上了日程。作為新一代的元數(shù)據(jù)管理平臺(tái)，Datahub在近一年的時(shí)間里發(fā)展迅猛，大有取代老牌元數(shù)據(jù)管理工具Atlas之勢(shì)。國(guó)內(nèi)Datahub的資料非常少，大部分公司想使用Datahub作為自己的元數(shù)據(jù)管理平臺(tái)，但可參考的資料太少。

所以整理了這份文檔供大家學(xué)習(xí)使用。 本文檔基于Datahub最新的0.8.20版本，整理自部分官網(wǎng)內(nèi)容，各種博客及實(shí)踐過(guò)程。文章較長(zhǎng)，建議收藏。新版本的文檔請(qǐng)關(guān)注公眾號(hào)?大數(shù)據(jù)流動(dòng)，會(huì)持續(xù)的更新~

通過(guò)本文檔，可以快速的入門Datahub，成功的搭建Datahub并且獲取到數(shù)據(jù)庫(kù)的元數(shù)據(jù)信息。是從0到1的入門文檔，更多Datahub的高級(jí)功能，可以關(guān)注后續(xù)的文章更新。

文檔共分為6個(gè)部分，層級(jí)結(jié)構(gòu)如下圖所示。

文檔版權(quán)為公眾號(hào)?大數(shù)據(jù)流動(dòng)?所有，請(qǐng)勿商用。相關(guān)技術(shù)問(wèn)題以及安裝包可以聯(lián)系筆者獨(dú)孤風(fēng)加入相關(guān)技術(shù)交流群討論獲取。

一、數(shù)據(jù)治理與元數(shù)據(jù)管理

背景

為什么要做數(shù)據(jù)治理？ 業(yè)務(wù)繁多，數(shù)據(jù)繁多，業(yè)務(wù)數(shù)據(jù)不斷迭代。人員流動(dòng)，文檔不全，邏輯不清楚，對(duì)于數(shù)據(jù)很難直觀理解，后期很難維護(hù)。

在大數(shù)據(jù)研發(fā)中，原始數(shù)據(jù)就有著非常多的數(shù)據(jù)庫(kù)，數(shù)據(jù)表。

而經(jīng)過(guò)數(shù)據(jù)的聚合以后，又會(huì)有很多的維度表。

近幾年來(lái)數(shù)據(jù)的量級(jí)在瘋狂的增長(zhǎng)，由此帶來(lái)了系列的問(wèn)題。作為對(duì)人工智能團(tuán)隊(duì)的數(shù)據(jù)支撐，我們聽(tīng)到的最多的質(zhì)疑是 “正確的數(shù)據(jù)集”，他們需要正確的數(shù)據(jù)用于他們的分析。我們開(kāi)始意識(shí)到，雖然我們構(gòu)建了高度可擴(kuò)展的數(shù)據(jù)存儲(chǔ)，實(shí)時(shí)計(jì)算等等能力，但是我們的團(tuán)隊(duì)仍然在浪費(fèi)時(shí)間尋找合適的數(shù)據(jù)集來(lái)進(jìn)行分析。

也就是我們?nèi)狈?duì)數(shù)據(jù)資產(chǎn)的管理。事實(shí)上，有很多公司都提供了開(kāi)源的解決方案來(lái)解決上述問(wèn)題，這也就是數(shù)據(jù)發(fā)現(xiàn)與元數(shù)據(jù)管理工具。

元數(shù)據(jù)管理

簡(jiǎn)單地說(shuō)，元數(shù)據(jù)管理是為了對(duì)數(shù)據(jù)資產(chǎn)進(jìn)行有效的組織。它使用元數(shù)據(jù)來(lái)幫助管理他們的數(shù)據(jù)。它還可以幫助數(shù)據(jù)專業(yè)人員收集、組織、訪問(wèn)和豐富元數(shù)據(jù)，以支持?jǐn)?shù)據(jù)治理。

三十年前，數(shù)據(jù)資產(chǎn)可能是 Oracle 數(shù)據(jù)庫(kù)中的一張表。然而，在現(xiàn)代企業(yè)中，我們擁有一系列令人眼花繚亂的不同類型的數(shù)據(jù)資產(chǎn)。可能是關(guān)系數(shù)據(jù)庫(kù)或 NoSQL 存儲(chǔ)中的表、實(shí)時(shí)流數(shù)據(jù)、 AI 系統(tǒng)中的功能、指標(biāo)平臺(tái)中的指標(biāo)，數(shù)據(jù)可視化工具中的儀表板。

現(xiàn)代元數(shù)據(jù)管理應(yīng)包含所有這些類型的數(shù)據(jù)資產(chǎn)，并使數(shù)據(jù)工作者能夠更高效地使用這些資產(chǎn)完成工作。

所以，元數(shù)據(jù)管理應(yīng)具備的功能如下：

• 搜索和發(fā)現(xiàn)：數(shù)據(jù)表、字段、標(biāo)簽、使用信息
• 訪問(wèn)控制：訪問(wèn)控制組、用戶、策略
• 數(shù)據(jù)血緣：管道執(zhí)行、查詢
• 合規(guī)性：數(shù)據(jù)隱私/合規(guī)性注釋類型的分類
• 數(shù)據(jù)管理：數(shù)據(jù)源配置、攝取配置、保留配置、數(shù)據(jù)清除策略
• AI 可解釋性、再現(xiàn)性：特征定義、模型定義、訓(xùn)練運(yùn)行執(zhí)行、問(wèn)題陳述
• 數(shù)據(jù)操作：管道執(zhí)行、處理的數(shù)據(jù)分區(qū)、數(shù)據(jù)統(tǒng)計(jì)
• 數(shù)據(jù)質(zhì)量：數(shù)據(jù)質(zhì)量規(guī)則定義、規(guī)則執(zhí)行結(jié)果、數(shù)據(jù)統(tǒng)計(jì)

架構(gòu)與開(kāi)源方案

下面介紹元數(shù)據(jù)管理的架構(gòu)實(shí)現(xiàn)，不同的架構(gòu)都對(duì)應(yīng)了不同的開(kāi)源實(shí)現(xiàn)。

下圖描述了第一代元數(shù)據(jù)架構(gòu)。它通常是一個(gè)經(jīng)典的單體前端（可能是一個(gè) Flask 應(yīng)用程序），連接到主要存儲(chǔ)進(jìn)行查詢（通常是 MySQL/Postgres），一個(gè)用于提供搜索查詢的搜索索引（通常是 Elasticsearch），并且對(duì)于這種架構(gòu)的第 1.5 代，也許一旦達(dá)到關(guān)系數(shù)據(jù)庫(kù)的“遞歸查詢”限制，就使用了處理譜系（通常是 Neo4j）圖形查詢的圖形索引。

很快，第二代的架構(gòu)出現(xiàn)了。單體應(yīng)用程序已拆分為位于元數(shù)據(jù)存儲(chǔ)數(shù)據(jù)庫(kù)前面的服務(wù)。該服務(wù)提供了一個(gè) API，允許使用推送機(jī)制將元數(shù)據(jù)寫入系統(tǒng)。

第三代架構(gòu)是基于事件的元數(shù)據(jù)管理架構(gòu)，客戶可以根據(jù)他們的需要以不同的方式與元數(shù)據(jù)數(shù)據(jù)庫(kù)交互。

元數(shù)據(jù)的低延遲查找、對(duì)元數(shù)據(jù)屬性進(jìn)行全文和排名搜索的能力、對(duì)元數(shù)據(jù)關(guān)系的圖形查詢以及全掃描和分析能力。

Datahub 就是采用的這種架構(gòu)。

下圖是當(dāng)今元數(shù)據(jù)格局的簡(jiǎn)單直觀表示：

（包含部分非開(kāi)源方案）

其他方案可作為調(diào)研的主要方向，但不是本文討論的重點(diǎn)。

二、Datahub簡(jiǎn)介

首先，阿里云也有一款名為DataHub的產(chǎn)品，是一個(gè)流式處理平臺(tái)，本文所述DataHub與其無(wú)關(guān)。

數(shù)據(jù)治理是大佬們最近談的一個(gè)火熱的話題。不管國(guó)家層面，還是企業(yè)層面現(xiàn)在對(duì)這個(gè)問(wèn)題是越來(lái)越重視。數(shù)據(jù)治理要解決數(shù)據(jù)質(zhì)量，數(shù)據(jù)管理，數(shù)據(jù)資產(chǎn)，數(shù)據(jù)安全等等。而數(shù)據(jù)治理的關(guān)鍵就在于元數(shù)據(jù)管理，我們要知道數(shù)據(jù)的來(lái)龍去脈，才能對(duì)數(shù)據(jù)進(jìn)行全方位的管理，監(jiān)控，洞察。

DataHub是由LinkedIn的數(shù)據(jù)團(tuán)隊(duì)開(kāi)源的一款提供元數(shù)據(jù)搜索與發(fā)現(xiàn)的工具。

提到LinkedIn，不得不想到大名鼎鼎的Kafka，Kafka就是LinkedIn開(kāi)源的。LinkedIn開(kāi)源的Kafka直接影響了整個(gè)實(shí)時(shí)計(jì)算領(lǐng)域的發(fā)展，而LinkedIn的數(shù)據(jù)團(tuán)隊(duì)也一直在探索數(shù)據(jù)治理的問(wèn)題，不斷努力擴(kuò)展其基礎(chǔ)架構(gòu)，以滿足不斷增長(zhǎng)的大數(shù)據(jù)生態(tài)系統(tǒng)的需求。隨著數(shù)據(jù)的數(shù)量和豐富性的增長(zhǎng)，數(shù)據(jù)科學(xué)家和工程師要發(fā)現(xiàn)可用的數(shù)據(jù)資產(chǎn)，了解其出處并根據(jù)見(jiàn)解采取適當(dāng)?shù)男袆?dòng)變得越來(lái)越具有挑戰(zhàn)性。為了幫助增長(zhǎng)的同時(shí)繼續(xù)擴(kuò)大生產(chǎn)力和數(shù)據(jù)創(chuàng)新，創(chuàng)建了通用的元數(shù)據(jù)搜索和發(fā)現(xiàn)工具DataHub。

市面上常見(jiàn)的元數(shù)據(jù)管理系統(tǒng)有如下幾個(gè)：
a) linkedin datahub:
GitHub - datahub-project/datahub: The Metadata Platform for the Modern Data Stack
b) apache atlas:
GitHub - apache/atlas: Apache Atlas
c) lyft amundsen
GitHub - amundsen-io/amundsen: Amundsen is a metadata driven application for improving the productivity of data analysts, data scientists and engineers when interacting with data.

atlas之前我們也介紹過(guò)，對(duì)hive有非常好的支持，但是部署起來(lái)非常的吃力。amundsen還是一個(gè)新興的框架，還沒(méi)有release版本，未來(lái)可能會(huì)發(fā)展起來(lái)還需要慢慢觀察。

綜上，datahub是目前的一顆新星，只是目前datahub的資料還較少，未來(lái)我們將持續(xù)關(guān)注與更新datahub的更多資訊。

目前datahub的github星數(shù)已經(jīng)達(dá)到4.3k。

Datahub官網(wǎng)

Datahub官網(wǎng)對(duì)于其描述為Data ecosystems are diverse — too diverse. DataHub's extensible metadata platform enables data discovery, data observability and federated governance that helps you tame this complexity.

數(shù)據(jù)生態(tài)是多樣的，而 DataHub提供了可擴(kuò)展的元數(shù)據(jù)管理平臺(tái)，可以滿足數(shù)據(jù)發(fā)現(xiàn)，數(shù)據(jù)可觀察與治理。這也極大的解決了數(shù)據(jù)復(fù)雜性的問(wèn)題。

Datahub提供了豐富的數(shù)據(jù)源支持與血緣展示。

在獲取數(shù)據(jù)源的時(shí)候，只需要編寫簡(jiǎn)單的yml文件就可以完成元數(shù)據(jù)的獲取。

在數(shù)據(jù)源的支持方面，Datahub支持druid，hive，kafka，mysql，oracle，postgres，redash，metabase，superset等數(shù)據(jù)源，并支持通過(guò)airflow的數(shù)據(jù)血緣獲取?？梢哉f(shuō)實(shí)現(xiàn)了從數(shù)據(jù)源到BI工具的全鏈路的數(shù)據(jù)血緣打通。

三、Datahub界面

通過(guò)Datahub的頁(yè)面我們來(lái)簡(jiǎn)單了解下Datahub所能滿足的功能。

3.1 首頁(yè)

首先，在登錄到Datahub以后就進(jìn)入了Datahub首頁(yè)，首頁(yè)中提供了Datahub的菜單欄，搜索框和元數(shù)據(jù)信息列表。這是為了讓大家可以快速的對(duì)元數(shù)據(jù)進(jìn)行管理。

元數(shù)據(jù)信息中按照數(shù)據(jù)集，儀表板，圖表等類型進(jìn)行了分類。

再往下看是平臺(tái)信息，在這當(dāng)中包括了Hive，Kafka，Airflow等平臺(tái)信息的收集。

下面其實(shí)是一些搜索的統(tǒng)計(jì)信息。用于統(tǒng)計(jì)最近以及最流行的搜索結(jié)果。

包括一些標(biāo)簽和術(shù)語(yǔ)表信息。

3.2 分析頁(yè)面

分析頁(yè)面是對(duì)元數(shù)據(jù)信息的統(tǒng)計(jì)，也是對(duì)使用datahub的用戶信息的統(tǒng)計(jì)。

可以理解為一個(gè)展示頁(yè)面，這對(duì)于總體情況的了解還是非常的有必要的。

其他的功能基本是對(duì)于用戶和權(quán)限的控制。

四、整體架構(gòu)

要想學(xué)習(xí)好Datahub，就必須了解Datahub的整體架構(gòu)。

通過(guò)Datahub的架構(gòu)圖可以清晰的了解Datahub的架構(gòu)組成。

DataHub 的架構(gòu)有三個(gè)主要部分。

前端為 Datahub frontend作為前端的頁(yè)面展示。

豐富的前端展示讓Datahub 擁有了支撐大多數(shù)功能的能力。其前端基于React框架研發(fā)，對(duì)于有二次研發(fā)打算的公司，要注意此技術(shù)棧的匹配性。

后端 Datahub serving來(lái)提供后端的存儲(chǔ)服務(wù)。

Datahub 的后端開(kāi)發(fā)語(yǔ)言為Python，存儲(chǔ)基于ES或者Neo4J。

而Datahub ingestion則用于抽取元數(shù)據(jù)信息。

Datahub 提供了基于API元數(shù)據(jù)主動(dòng)拉取方式，和基于Kafka的實(shí)時(shí)元數(shù)據(jù)獲取方式。這對(duì)于元數(shù)據(jù)的獲取非常的靈活。

這三部分也是我們部署過(guò)程中主要關(guān)注的點(diǎn)，下面我們就從零開(kāi)始部署Datahub，并獲取一個(gè)數(shù)據(jù)庫(kù)的元數(shù)據(jù)信息。

五、快速安裝部署

部署datahub對(duì)于系統(tǒng)有一定的要求。本文基于CentOS7進(jìn)行安裝。

要先安裝好 docker，jq，docker-compose。同時(shí)保證系統(tǒng)的python版本為 Python 3.6+。

5.1、安裝docker，docker-compose，jq

Docker 是一個(gè)開(kāi)源的應(yīng)用容器引擎，讓開(kāi)發(fā)者可以打包他們的應(yīng)用以及依賴包到一個(gè)可移植的容器中,然后發(fā)布到任何流行的Linux或Windows操作系統(tǒng)的機(jī)器上,也可以實(shí)現(xiàn)虛擬化,容器是完全使用沙箱機(jī)制,相互之間不會(huì)有任何接口。

可以通過(guò)yum的方式快速的安裝docker

yum -y install docker

完成后通過(guò)docker -v來(lái)查看版本情況。

# docker -v
Docker version 1.13.1, build 7d71120/1.13.1

通過(guò)下面的命令可以啟停docker

systemctl start docker // 啟動(dòng)docker
systemctl stop docker // 關(guān)閉docker

隨后安裝Docker Compose

Docker Compose是 docker 提供的一個(gè)命令行工具，用來(lái)定義和運(yùn)行由多個(gè)容器組成的應(yīng)用。使用 compose，我們可以通過(guò) YAML 文件聲明式的定義應(yīng)用程序的各個(gè)服務(wù)，并由單個(gè)命令完成應(yīng)用的創(chuàng)建和啟動(dòng)。

sudo curl -L "https://github.com/docker/compose/releases/download/1.29.2/docker-compose-$(uname -s)-$(uname -m)" -o /usr/local/bin/docker-compose

修改執(zhí)行權(quán)限

sudo chmod +x /usr/local/bin/docker-compose

建立軟連接

ln -s /usr/local/bin/docker-compose /usr/bin/docker-compose

查看版本，驗(yàn)證安裝成功。

docker-compose --version
docker-compose version 1.29.2, build 5becea4c

安裝jq

首先安裝EPEL源，企業(yè)版 Linux 附加軟件包（以下簡(jiǎn)稱 EPEL）是一個(gè) Fedora 特別興趣小組，用以創(chuàng)建、維護(hù)以及管理針對(duì)企業(yè)版 Linux 的一個(gè)高質(zhì)量附加軟件包集，面向的對(duì)象包括但不限于 紅帽企業(yè)版 Linux (RHEL)、 CentOS、Scientific Linux (SL)、Oracle Linux (OL) 。

EPEL 的軟件包通常不會(huì)與企業(yè)版 Linux 官方源中的軟件包發(fā)生沖突，或者互相替換文件。EPEL 項(xiàng)目與 Fedora 基本一致，包含完整的構(gòu)建系統(tǒng)、升級(jí)管理器、鏡像管理器等等。

安裝EPEL源

yum install epel-release 

安裝完EPEL源后，可以查看下jq包是否存在：

yum list jq

安裝jq：

yum install jq

5.2、安裝python3

安裝依賴

yum -y groupinstall "Development tools"
yum -y install zlib-devel bzip2-devel openssl-devel ncurses-devel sqlite-devel readline-devel tk-devel gdbm-devel db4-devel libpcap-devel xz-devel libffi-devel

下載安裝包

wget https://www.python.org/ftp/python/3.8.3/Python-3.8.3.tgz
tar -zxvf  Python-3.8.3.tgz

編譯安裝

mkdir /usr/local/python3 
cd Python-3.8.3
./configure --prefix=/usr/local/python3
make && make install

修改系統(tǒng)默認(rèn)python指向

rm -rf /usr/bin/python
ln -s /usr/local/python3/bin/python3 /usr/bin/python

修改系統(tǒng)默認(rèn)pip指向

rm -rf /usr/bin/pip
ln -s /usr/local/python3/bin/pip3 /usr/bin/pip

驗(yàn)證

python -V

修復(fù)yum

python3會(huì)導(dǎo)致yum不能正常使用

vi /usr/bin/yum 
把 #! /usr/bin/python 修改為 #! /usr/bin/python2 
vi /usr/libexec/urlgrabber-ext-down 
把 #! /usr/bin/python 修改為 #! /usr/bin/python2
vi /usr/bin/yum-config-manager
#!/usr/bin/python 改為 #!/usr/bin/python2
沒(méi)有的不用修改

5.3、安裝與啟動(dòng)datahub

首先升級(jí)pip

python3 -m pip install --upgrade pip wheel setuptools

需要看到下面成功的返回。

 Attempting uninstall: setuptools
    Found existing installation: setuptools 57.4.0
    Uninstalling setuptools-57.4.0:
      Successfully uninstalled setuptools-57.4.0
  Attempting uninstall: pip
    Found existing installation: pip 21.2.3
    Uninstalling pip-21.2.3:
      Successfully uninstalled pip-21.2.3

檢查環(huán)境

python3 -m pip uninstall datahub acryl-datahub || true  # sanity check - ok if it fails

收到這樣的提示說(shuō)明沒(méi)有問(wèn)題。

WARNING: Skipping datahub as it is not installed.
WARNING: Skipping acryl-datahub as it is not installed.

安裝datahub，此步驟時(shí)間較長(zhǎng)，耐心等待。

python3 -m pip install --upgrade acryl-datahub

收到這樣的提示說(shuō)明安裝成功。

Successfully installed PyYAML-6.0 acryl-datahub-0.8.20.0 avro-1.11.0 avro-gen3-0.7.1 backports.zoneinfo-0.2.1 certifi-2021.10.8 charset-normalizer-2.0.9 click-8.0.3 click-default-group-1.2.2 docker-5.0.3 entrypoints-0.3 expandvars-0.7.0 idna-3.3 mypy-extensions-0.4.3 progressbar2-3.55.0 pydantic-1.8.2 python-dateutil-2.8.2 python-utils-2.6.3 pytz-2021.3 pytz-deprecation-shim-0.1.0.post0 requests-2.26.0 stackprinter-0.2.5 tabulate-0.8.9 toml-0.10.2 typing-extensions-3.10.0.2 typing-inspect-0.7.1 tzdata-2021.5 tzlocal-4.1 urllib3-1.26.7 websocket-client-1.2.3

最后我們看到datahub的版本情況。

[root@node01 bin]# python3 -m datahub version
DataHub CLI version: 0.8.20.0
Python version: 3.8.3 (default, Aug 10 2021, 14:25:56)
[GCC 4.8.5 20150623 (Red Hat 4.8.5-44)]

隨后啟動(dòng)datahub

python3 -m datahub docker quickstart

會(huì)經(jīng)過(guò)漫長(zhǎng)的下載過(guò)程，耐心等待。

開(kāi)始啟動(dòng)，注意觀察報(bào)錯(cuò)情況。如果網(wǎng)速不好，需要多執(zhí)行幾次。

如果可以看到如下顯示，證明安裝成功了。

訪問(wèn)ip:9002 輸入 datahub datahub 登錄

六、元數(shù)據(jù)信息的獲取

登錄到Datahub以后，會(huì)有一個(gè)友好的welcome頁(yè)面。來(lái)提示如何進(jìn)行元數(shù)據(jù)的抓取。

元數(shù)據(jù)攝入使用的是插件架構(gòu)，你僅需要安裝所需的插件。

攝入源有很多

插件名稱	   安裝命令	                          提供功能
mysql	pip install 'acryl-datahub[mysql]'	   MySQL source

這里安裝兩個(gè)插件：

源：mysql

匯：datahub-rest

pip install 'acryl-datahub[mysql]'

安裝的包較多，得到如下提示證明安裝成功。

Installing collected packages: zipp, traitlets, pyrsistent, importlib-resources, attrs, wcwidth, tornado, pyzmq, pyparsing, pycparser, ptyprocess, parso, nest-asyncio, jupyter-core, jsonschema, ipython-genutils, webencodings, pygments, prompt-toolkit, pickleshare, pexpect, packaging, nbformat, matplotlib-inline, MarkupSafe, jupyter-client, jedi, decorator, cffi, backcall, testpath, pandocfilters, nbclient, mistune, jupyterlab-pygments, jinja2, ipython, defusedxml, debugpy, bleach, argon2-cffi-bindings, terminado, Send2Trash, prometheus-client, nbconvert, ipykernel, argon2-cffi, numpy, notebook, widgetsnbextension, toolz, ruamel.yaml.clib, pandas, jupyterlab-widgets, jsonpointer, tqdm, termcolor, scipy, ruamel.yaml, jsonpatch, ipywidgets, importlib-metadata, altair, sqlalchemy, pymysql, greenlet, great-expectations
Successfully installed MarkupSafe-2.0.1 Send2Trash-1.8.0 altair-4.1.0 argon2-cffi-21.3.0 argon2-cffi-bindings-21.2.0 attrs-21.3.0 backcall-0.2.0 bleach-4.1.0 cffi-1.15.0 debugpy-1.5.1 decorator-5.1.0 defusedxml-0.7.1 great-expectations-0.13.49 greenlet-1.1.2 importlib-metadata-4.10.0 importlib-resources-5.4.0 ipykernel-6.6.0 ipython-7.30.1 ipython-genutils-0.2.0 ipywidgets-7.6.5 jedi-0.18.1 jinja2-3.0.3 jsonpatch-1.32 jsonpointer-2.2 jsonschema-4.3.2 jupyter-client-7.1.0 jupyter-core-4.9.1 jupyterlab-pygments-0.1.2 jupyterlab-widgets-1.0.2 matplotlib-inline-0.1.3 mistune-0.8.4 nbclient-0.5.9 nbconvert-6.3.0 nbformat-5.1.3 nest-asyncio-1.5.4 notebook-6.4.6 numpy-1.21.5 packaging-21.3 pandas-1.3.5 pandocfilters-1.5.0 parso-0.8.3 pexpect-4.8.0 pickleshare-0.7.5 prometheus-client-0.12.0 prompt-toolkit-3.0.24 ptyprocess-0.7.0 pycparser-2.21 pygments-2.10.0 pymysql-1.0.2 pyparsing-2.4.7 pyrsistent-0.18.0 pyzmq-22.3.0 ruamel.yaml-0.17.19 ruamel.yaml.clib-0.2.6 scipy-1.7.3 sqlalchemy-1.3.24 termcolor-1.1.0 terminado-0.12.1 testpath-0.5.0 toolz-0.11.2 tornado-6.1 tqdm-4.62.3 traitlets-5.1.1 wcwidth-0.2.5 webencodings-0.5.1 widgetsnbextension-3.5.2 zipp-3.6.0

隨后檢查安裝的插件情況，Datahub是插件式的安裝方式?？梢詸z查數(shù)據(jù)源獲取插件Source，轉(zhuǎn)換插件transformer，獲取插件Sink。

 python3 -m datahub check plugins

可見(jiàn)Mysql插件和Rest接口插件已經(jīng)安裝，下面配置從 MySQL 獲取元數(shù)據(jù)使用 Rest 接口將數(shù)據(jù)存儲(chǔ) DataHub。

vim mysql_to_datahub_rest.yml
# A sample recipe that pulls metadata from MySQL and puts it into DataHub
# using the Rest API.
source:
  type: mysql
  config:
    username: root
    password: 123456
    database: cnarea20200630

transformers:
  - type: "fully-qualified-class-name-of-transformer"
    config:
      some_property: "some.value"

sink:
  type: "datahub-rest"
  config:
    server: "http://ip:8080"

# datahub ingest -c mysql_to_datahub_rest.yml

隨后是漫長(zhǎng)的數(shù)據(jù)獲取過(guò)程。

得到如下提示后，證明獲取成功。

{datahub.cli.ingest_cli:83} - Finished metadata ingestion

Sink (datahub-rest) report:
{'records_written': 356,
 'warnings': [],
 'failures': [],
 'downstream_start_time': datetime.datetime(2021, 12, 28, 21, 8, 37, 402989),
 'downstream_end_time': datetime.datetime(2021, 12, 28, 21, 13, 10, 757687),
 'downstream_total_latency_in_seconds': 273.354698}
Pipeline finished with warnings

在此刷新datahub頁(yè)面，mysql的元數(shù)據(jù)信息已經(jīng)成功獲取。

進(jìn)入表中查看元數(shù)據(jù)的情況，表字段信息。

在之前展示元數(shù)據(jù)分析頁(yè)也已經(jīng)有了詳細(xì)的展示。

至此我們完成了Datahub從0到1的搭建，在整個(gè)過(guò)程中除了簡(jiǎn)單的安裝配置以外，基本沒(méi)有進(jìn)行任何代碼研發(fā)工作。但是datahub還有更多的功能，比如對(duì)數(shù)據(jù)血緣的獲取，在元數(shù)據(jù)獲取的過(guò)程中進(jìn)行轉(zhuǎn)換操作等等。在未來(lái)的文章中也會(huì)進(jìn)行更新這些功能的教程。文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-514331.html

到了這里，關(guān)于一站式元數(shù)據(jù)治理平臺(tái)——Datahub入門寶典的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！