Upgrade node to version 16.0.0 (#4518) Co-authored-by: ahaoyao v_haoyao@webank.com
Upgrade node to version 16.0.0 (#4518)
Co-authored-by: ahaoyao v_haoyao@webank.com
Linkis 构建了一层计算中间件,方便上层应用与底层数据引擎之间的连接、治理和编排
https://linkis.apache.org/
English | 中文
Linkis 在上层应用程序和底层引擎之间构建了一层计算中间件。通过使用 Linkis 提供的 REST/WebSocket/JDBC 等标准接口, 上层应用可以方便地连接访问 MySQL/Spark/Hive/Presto/Flink 等底层引擎,同时实现变量、脚本、函数和资源文件等用户资源的跨上层应用互通。作为计算中间件,Linkis 提供了强大的连通、复用、编排、扩展和治理管控能力。通过计算中间件将应用层和引擎层解耦,简化了复杂的网络调用关系, 降低了整体复杂度,同时节约了整体开发和维护成本。Linkis 自 2019 年开源发布以来,已累计积累了 700 多家试验企业和 1000+沙盒试验用户,涉及金融、电信、制造、互联网等多个行业。 许多公司已经将 Linkis 作为大数据平台底层计算存储引擎的统一入口,和计算请求/任务的治理管控利器。
请前往Linkis Releases 页面 下载 Linkis 的已编译版本或源码包。
更详细的步骤参见: 后端编译打包 管理台编译
更详细的步骤参见:
## 后端编译 注意:如果使用 -Dlinkis.build.web=true 来构建web镜像,需要首先执行 管理台 linkis-web 的编译 ### Mac OS/Linux 系统 # 1. 首次编译,请执行如下命令 ./mvnw -N install # 2. 构建 Linkis 部署包 # - 选项 1: 仅构建 Linkis 服务部署包 ./mvnw clean install -Dmaven.javadoc.skip=true -Dmaven.test.skip=true # - 选项 2: 构建 Linkis 服务部署包和 Docker 镜像 # - 选项 2.1: 构建的镜像中不包含 mysql jdbc 包 ./mvnw clean install -Pdocker -Dmaven.javadoc.skip=true -Dmaven.test.skip=true # - 选项 2.2: 构建的镜像中包含 mysql jdbc 包 ./mvnw clean install -Pdocker -Dmaven.javadoc.skip=true -Dmaven.test.skip=true -Dlinkis.build.with.jdbc=true # - 选项 3: 构建 Linkis 服务部署包和 Docker 镜像(包括 Web 控制台) ./mvnw clean install -Pdocker -Dmaven.javadoc.skip=true -Dmaven.test.skip=true -Dlinkis.build.web=true # - 选项 4: 仅构建 Linkis 服务部署包和 Docker 镜像(包括 Web 控制台和 LDH 镜像,LDH 镜像包换了多个预先配置和部署好的 Hadoop 组件,主要面向测试用途) ./mvnw clean install -Pdocker -Dmaven.javadoc.skip=true -Dmaven.test.skip=true -Dlinkis.build.web=true -Dlinkis.build.ldh=true -Dlinkis.build.with.jdbc=true ### Windows 系统 mvnw.cmd -N install mvnw.cmd clean install -Dmaven.javadoc.skip=true -Dmaven.test.skip=true ## 管理台编译 cd linkis/linkis-web npm install npm run build
由于MySQL的许可协议限制,官方发布的 Linkis 镜像没有集成 MySQL JDBC 驱动。 然而,在现阶段,Linkis 仍然依赖这个库才能正常运行。 为了解决这个问题, 我们提供了一个脚本,它可以帮助你快速的基于官方的 Linkis 镜像创建一个集成了MySQL JDBC 的自定义镜像。 这个工具创建的镜像默认的名称是 linkis:with-jdbc。
linkis:with-jdbc
gt; LINKIS_IMAGE=linkis:1.3.1 gt; ./linkis-dist/docker/scripts/make-linikis-image-with-mysql-jdbc.sh
请参考快速安装部署 来部署 Linkis
完整的 Linkis 文档代码存放在linkis-website 仓库中
Meetup 视频 Bilibili
Linkis 基于微服务架构开发,其服务可以分为 3 类:计算治理服务、公共增强服务和微服务治理服务。
下面是 Linkis 的架构概要图. 更多详细架构文档请见 Linkis-Doc/Architecture.
我们非常欢迎和期待更多的贡献者参与共建 Linkis, 不论是代码、文档,或是其他能够帮助到社区的贡献形式。代码和文档相关的贡献请参照贡献指引.
我们创建了一个 issue [Who is Using Linkis] 以便用户反馈和记录谁在使用 Linkis.Linkis 自 2019 年开源发布以来,累计已有 700 多家试验企业和 1000+沙盒试验用户,涉及金融、电信、制造、互联网等多个行业。
Apache Linkis 构建了一层计算中间件,方便上层应用与底层数据引擎之间的连接、治理和编排。通过计算中间件将应用层和引擎层解耦,以标准化可复用方式简化复杂的网状调用关系,降低数据平台复杂度。
©Copyright 2023 CCF 开源发展委员会 Powered by Trustie& IntelliDE 京ICP备13000930号
Apache Linkis
Linkis 构建了一层计算中间件,方便上层应用与底层数据引擎之间的连接、治理和编排
https://linkis.apache.org/
English | 中文
介绍
Linkis 在上层应用程序和底层引擎之间构建了一层计算中间件。通过使用 Linkis 提供的 REST/WebSocket/JDBC 等标准接口, 上层应用可以方便地连接访问 MySQL/Spark/Hive/Presto/Flink 等底层引擎,同时实现变量、脚本、函数和资源文件等用户资源的跨上层应用互通。
作为计算中间件,Linkis 提供了强大的连通、复用、编排、扩展和治理管控能力。通过计算中间件将应用层和引擎层解耦,简化了复杂的网络调用关系, 降低了整体复杂度,同时节约了整体开发和维护成本。
Linkis 自 2019 年开源发布以来,已累计积累了 700 多家试验企业和 1000+沙盒试验用户,涉及金融、电信、制造、互联网等多个行业。 许多公司已经将 Linkis 作为大数据平台底层计算存储引擎的统一入口,和计算请求/任务的治理管控利器。
核心特点
引擎类型
(默认依赖版本)
CDH >= 5.4.0,
(默认Apache Spark 2.4.3)
CDH >= 5.4.0,
(默认Apache Hive 2.3.3)
(默认Python2*)
(默认Hive-jdbc 2.3.4)
(默认Apache Flink 1.12.2)
(默认openLookEng 1.5.0)
(默认Apache Sqoop 1.4.6)
下载
请前往Linkis Releases 页面 下载 Linkis 的已编译版本或源码包。
编译和安装部署
集成 MySQL JDBC 驱动
由于MySQL的许可协议限制,官方发布的 Linkis 镜像没有集成 MySQL JDBC 驱动。 然而,在现阶段,Linkis 仍然依赖这个库才能正常运行。 为了解决这个问题, 我们提供了一个脚本,它可以帮助你快速的基于官方的 Linkis 镜像创建一个集成了MySQL JDBC 的自定义镜像。 这个工具创建的镜像默认的名称是
linkis:with-jdbc
。请参考快速安装部署 来部署 Linkis
示例和使用指引
文档&视频
完整的 Linkis 文档代码存放在linkis-website 仓库中
Meetup 视频 Bilibili
架构概要
Linkis 基于微服务架构开发,其服务可以分为 3 类:计算治理服务、公共增强服务和微服务治理服务。
下面是 Linkis 的架构概要图. 更多详细架构文档请见 Linkis-Doc/Architecture.
贡献
我们非常欢迎和期待更多的贡献者参与共建 Linkis, 不论是代码、文档,或是其他能够帮助到社区的贡献形式。
代码和文档相关的贡献请参照贡献指引.
联系我们
谁在使用 Linkis
我们创建了一个 issue [Who is Using Linkis] 以便用户反馈和记录谁在使用 Linkis.
Linkis 自 2019 年开源发布以来,累计已有 700 多家试验企业和 1000+沙盒试验用户,涉及金融、电信、制造、互联网等多个行业。