Skip to content

Home

Jump to bottom
jingtiantian edited this page Sep 3, 2019 · 12 revisions

PiFlow是一个简单易用，功能强大的大数据流水线系统

目录

  • 特性

  • 架构

  • 要求

  • 开始

特性

  • 简单易用

    1. 可视化配置流水线
    2. 监控流水线
    3. 查看流水线日志
    4. 检查点功能

  • 扩展性强:

    1. 支持自定义开发数据处理组件

  • 性能优越：

    1. 基于分布式计算引擎Spark开发

  • 功能强大：

    1. 提供100+的数据处理组件
    2. 包括Hadoop 、Spark、MLlib、Hive、Solr、Redis、MemCache、ElasticSearch、JDBC、MongoDB、HTTP、FTP、XML、CSV、JSON等
    3. 集成了微生物领域的相关算法

架构

要求

  • JDK 1.8 及以上版本

  • Apache Maven 3.1.0 及以上版本

  • Git Client

  • Spark-2.1.0 及以上版本

  • Hadoop-2.6.0 及以上版本

开始

如何Build: mvn clean package -Dmaven.test.skip=true

  [INFO] Replacing original artifact with shaded artifact.
  [INFO] Replacing /opt/project/piflow/piflow-server/target/piflow-server-0.9.jar with /opt/project/piflow/piflow-server/target/piflow-server-0.9-shaded.jar
  [INFO] ------------------------------------------------------------------------
  [INFO] Reactor Summary:
  [INFO] 
  [INFO] piflow-project ..................................... SUCCESS [  4.602 s]
  [INFO] piflow-core ........................................ SUCCESS [ 56.533 s]
  [INFO] piflow-bundle ...................................... SUCCESS [02:15 min]
  [INFO] piflow-server ...................................... SUCCESS [03:01 min]
  [INFO] ------------------------------------------------------------------------
  [INFO] BUILD SUCCESS
  [INFO] ------------------------------------------------------------------------
  [INFO] Total time: 06:18 min
  [INFO] Finished at: 2018-12-24T16:54:16+08:00
  [INFO] Final Memory: 41M/812M
  [INFO] ------------------------------------------------------------------------

如何运行Piflow Server：

  • 使用Intellij Idea:

    1. 编辑config.properties文件
    2. build piflow工程，生成piflow-server.jar
    3. 运行cn.piflow.api.Main
    4. 切记设置SPARK_HOME

  • 直接运行release版本:

    1. 下载release版本，地址：https://github.com/cas-bigdatalab/piflow_release
    2. 将build好的piflow-server.jar拷贝到piflow_release文件夹（由于git不能上传超过1G大文件，故需自行build piflow-server.jar）
    3. 编辑config.properties文件
    4. 运行start.sh 或者后台运行 nohup ./start.sh > piflow.log 2>&1 &

  • 如何配置config.properties

    #server ip and port
#server ip and port
server.ip=10.0.86.191
server.port=8002
h2.port=50002

#spark and yarn config
spark.master=yarn
spark.deploy.mode=cluster
yarn.resourcemanager.hostname=10.0.86.191
yarn.resourcemanager.address=10.0.86.191:8032
yarn.access.namenode=hdfs://10.0.86.191:9000
yarn.stagingDir=hdfs://10.0.86.191:9000/tmp/
yarn.jars=hdfs://10.0.86.191:9000/user/spark/share/lib/*.jar
yarn.url=http://10.0.86.191:8088/ws/v1/cluster/apps/

#hive config
hive.metastore.uris=thrift://10.0.86.191:9083

#piflow-server.jar path
piflow.bundle=/opt/piflowServer/piflow-server-0.9.jar

#checkpoint hdfs path
checkpoint.path=hdfs://10.0.86.89:9000/piflow/checkpoints/

#debug path
debug.path=hdfs://10.0.88.191:9000/piflow/debug/

#yarn url
yarn.url=http://10.0.86.191:8088/ws/v1/cluster/apps/

#the count of data shown in log
data.show=10

#h2 db port
h2.port=50002

如何运行Piflow Web：

  • https://github.com/cas-bigdatalab/piflow-web 如何使用：

  • 命令行方式

    • 流水线样例配置 { "flow":{ "name":"test", "uuid":"1234", "checkpoint":"Merge", "stops":[ { "uuid":"1111", "name":"XmlParser", "bundle":"cn.piflow.bundle.xml.XmlParser", "properties":{ "xmlpath":"hdfs://10.0.86.89:9000/xjzhu/dblp.mini.xml", "rowTag":"phdthesis" } }, { "uuid":"2222", "name":"SelectField", "bundle":"cn.piflow.bundle.common.SelectField", "properties":{ "schema":"title,author,pages" }

    }, { "uuid":"3333", "name":"PutHiveStreaming", "bundle":"cn.piflow.bundle.hive.PutHiveStreaming", "properties":{ "database":"sparktest", "table":"dblp_phdthesis" } }, { "uuid":"4444", "name":"CsvParser", "bundle":"cn.piflow.bundle.csv.CsvParser", "properties":{ "csvPath":"hdfs://10.0.86.89:9000/xjzhu/phdthesis.csv", "header":"false", "delimiter":",", "schema":"title,author,pages" } }, { "uuid":"555", "name":"Merge", "bundle":"cn.piflow.bundle.common.Merge", "properties":{ "inports":"data1,data2" } }, { "uuid":"666", "name":"Fork", "bundle":"cn.piflow.bundle.common.Fork", "properties":{ "outports":"out1,out2,out3" } }, { "uuid":"777", "name":"JsonSave", "bundle":"cn.piflow.bundle.json.JsonSave", "properties":{ "jsonSavePath":"hdfs://10.0.86.89:9000/xjzhu/phdthesis.json" } }, { "uuid":"888", "name":"CsvSave", "bundle":"cn.piflow.bundle.csv.CsvSave", "properties":{ "csvSavePath":"hdfs://10.0.86.89:9000/xjzhu/phdthesis_result.csv", "header":"true", "delimiter":"," } } ], "paths":[ { "from":"XmlParser", "outport":"", "inport":"", "to":"SelectField" }, { "from":"SelectField", "outport":"", "inport":"data1", "to":"Merge" }, { "from":"CsvParser", "outport":"", "inport":"data2", "to":"Merge" }, { "from":"Merge", "outport":"", "inport":"", "to":"Fork" }, { "from":"Fork", "outport":"out1", "inport":"", "to":"PutHiveStreaming" }, { "from":"Fork", "outport":"out2", "inport":"", "to":"JsonSave" }, { "from":"Fork", "outport":"out3", "inport":"", "to":"CsvSave" } ] } }

  • 访问piflow web: 试运行地址 "http://piflow.ml/piflow-web", user/password: admin/admin

    • 登录
    • 流水线列表
    • 流水线配置
    • 流水线资源配置
    • 运行流水线
    • 删除流水线
    • 流水线保存模板
    • 创建流水线:用户点击创建按钮,需要输入流水线名称及描述信息,同时可设置流水线需要的资源.
    • 配置流水线:用户可通过拖拽方式进行流水线的配置，方式类似visio
    • 搜索流水线组件：画布左边栏显示组件组和组件，可按关键字搜索,户选择好组件后可拖至画布中央
    • 流水线基本信息：画布右侧显示流水线基本信息，包括流水线名称及描述
    • 流水线配置：画布中央选择任一数据处理组件,右侧显示该数据处理组件的基本信息,包括名称描述,作者等信息.选择AttributeInfo tab,显示该数据处理组件的属性信息,用户可根据实际需求进行配置
    • 运行流水线：用户配置好流水线后,可点击运行按钮运行流水线
    • 流水线监控：进入流水线监控页面。监控页面会显示整条流水线的执行状况，包括运行状态、执行进度、执行时间等,击具体数据处理组件，显示该数据处理组件的运行状况，包括运行状态、执行时间。
    • 查看流水线日志
    • 运行中流水线列表: 已运行流水线会显示在Process List中，包括开始时间、结束时间、进度、状态等。同时可对已运行流水线进行查看，在运行，停止，和删除操作
    • 运行流水线检查点
    • 创建保存模板
    • 模板列表
    • 下载模板：模板会保存成xml文件存放到本地
    • 上传模板
    • 加载模板
Clone this wiki locally