APACHE-ATLAS-2.1.0简介(一)

ATLAS是什么？

ATLAS是HADOOP生态的数据治理和元数据管理的服务框架，是一组可扩展的核心基础治理服务集，使企业能够有效且高效地满足HADOOP生态中的合规性要求，并允许与整个企业数据生态系统集成。Apache ATLAS为组织提供了开放的元数据管理和治理功能，以建立其数据资产的目录，对这些资产进行分类和治理，并为数据科学家、分析师和数据治理团队提供围绕这些数据资产协助开发的能力。

ATLAS的应用场景是什么？

随着企业的发展，企业产生的业务数据日益增多，不同业务线的数据可能在不同种的数据库中存储，最终会汇集到数据仓库中进行整合分析。如果想要追踪数据来源，理清数据之间的关系将会是一件异常复杂的事情，如果某个环节出了问题，追溯的成本将会成倍增加。于是 ATLAS就在这种背景下产生了，通过它，我们可以非常方便的管理元数据，并且可以追溯表级别，列级别之间的关系（血缘关系），可以非常直观的展示各个实体之间的关系，为企业的数据资产提供强有力的支撑和保障。
主要体现在元数据管理、数据分级分类、数据审计、数据血缘、信息脱敏和图化展示等六大场景，同时支持HADOOP生态的安全策略(RANGER)。

ATLAS整体架构

①. MetaSource Sources：元数据源，ATLAS支持与许多现成的元数据源进行集成，目前支持从HBase、Hive、Sqoop、Storm和Kafka中提取和管理元数据，通过安装对应的HOOK中间件完成元数据源与ATLAS的对接；
②. Apps：应用层，它主要包括基于RANGER的权限管理策略、WEB客户端以及业务分类这三大核心功能。用户通过Atlas Admin UI可以完成对元数据的查询和血缘展示；
③. Integration：融合层，也可以叫统一接口层，提供了HTTP协议的接口和基于KAFKA的发布订阅模式的消息接口，用于和ATLAS的对接；
④. Core：核心层，主要包括数据导入/导出引擎、类型系统以及图引擎。

• 【Ingest/Export】，用户可以通过Ingest/Export组件，将元数据添加到ATLAS中，也可以将元数据导出；
• 【TypeSyetem】，TypeSyetem称为“实体”的“类型”实例，它表示受管理的实际元数据对象，用户可以通过该组件将想要管理的元数据对象定义成模型，简单来说用于将ATLAS所管理的元数据进行分类；
• 【图引擎】，ATLAS使用图模型持久化所管理的元数据对象，底层采用JanusGraph实现，ATLAS的所有数据最终都会转换成图存储中的顶点vertex、边edge和属性property三种元素，JanusGraph以HBASE作为底层存储；
• 【Metadata Store<Hbase>】，元数据使用HBASE存储；
• 【Index Store<Solr>】，全文检索数据库，和ES具有相同的功能，当时ATLAS也支持ES，使用SOLR来创建索引。

JanusGraph整体架构

ATLAS的原理

ATLAS通过内部提供的脚本读取数仓中的数据库结构，生成数据模型，存储到 ATLAS的 元数据引擎中，同时通过 HOOK的方式监听数仓中的数据变化，分析执行的SQL语句，从而生成表与表，列与列的血缘关系依赖，将关系进行存储和展示。ATLAS提供了SHELL脚本可以直接读取HIVE的表结构等元数据信息，并将这些信息同步到 ATLAS的存储引擎中，自动生成元数据模型，同时ATLAS提供了HiveHook，可以监听HIVE的数据变化，根据HIVE执行的HQL，推断出数据与数据之间的关系，生成血缘关系图。

ATLAS的术语

1. Type，又叫类型系统，它是一个组件，允许用户定义和管理类型和实体。用于表示和定义如何存储并访问特定类型的元数据对象，类型表示了所定义元数据对象的一个或多个特征的集合。类型可以是数据库，表，列等，还可以细分为 mysql 表( mysql_table )，oracle 表( oracle_table )，hive表(hive_table)，hbase表(hbase_table)等，ATLAS自带了很多类型，如 DataSet，Process 等，一般情况下，与数据相关的类型在定义类型的时候都会继承 DataSet，与流程相关的类型则会继承 Process，便于生成血缘关系。也可以通过调用API自定义类型，定义完类型之后，才能生成不同类型的元数据实体，生成血缘关系，也可以把元数据类型称之为模型。允许用户为他们想要管理的元数据对象定义一个模型，该模型由称为 “类型” 的定义组成。被称为 “实体” 的 “类型” 实例表示被管理的实际元数据对象。

2. Classification，分类，通俗点就是给元数据打标签，分类是可以传递的，比如 A 视图是基于 A 表生成的，那么如果 A 表打上了 TA这个标签，A 视图也会自动打上TA标签，这样的好处就是便于数据的追踪，主要是便于更好的组织和管理元数据信息，可以将某个实体挂在某个分类下。

3. Glossary，术语表，是ATLAS提供的除了分类以外的另外一种分类、组织和管理元数据的方式，由类别(这个和前面的Classification是不一样的)和术语两层结构组成。也可以理解为除了分类以外的从另一个维度进行分类，一般一个术语就是一个单词。比如：将公司的员工按部门进行划分，这可以理解为分类；而公司的员工又可以分为前端工程师、后端工程师、系统架构师等，这些“前端工程师、后端工程师、系统架构师”就叫术语，可以将某个实体挂在某个术语下。术语除了与类别关联，还可以和分类进行关联。也就是说可以在ATLAS的UI上把某个术语挂在某个分类下。

4. Entity，实体，表示具体的元数据，ATLAS管理的对象就是各种 Type 的 Entity。

5. Lineage，数据血缘，表示数据之间的传递关系，通过 Lineage 我们可以清晰的知道数据的从哪里来到哪里去，中间经历了哪些操作和步骤，便于数据追溯，和问题定位。

ATLAS的可视化展示

搜索发现：

数据血缘：
类型定义：

实体图化：