PiFlow(大数据流水线系统) v0.9官方版

PiFlow是一个简单易用，功能强大的大数据流水线系统，混合型科学大数据流水线系统，包含丰富的处理器组件，提供Shell、DSL、Web配置界面、任务调度、任务监控等功能！

　　简单易用

　　可视化配置流水线

　　监控流水线

　　查看流水线日志

　　检查点功能

　　扩展性强:

　　支持自定义开发数据处理组件

　　性能优越：

　　基于分布式计算引擎Spark开发

　　功能强大：

　　提供100+的数据处理组件

　　包括Hadoop 、Spark、MLlib、Hive、Solr、Redis、MemCache、ElasticSearch、JDBC、MongoDB、HTTP、FTP、XML、CSV、JSON等

　　集成了微生物领域的相关算法

　　解压piflow-server-v0.9.tar.gz:

　　tar -zxvf piflow-server-v0.9.tar.gz

　　编辑配置文件config.properties

　　运行、停止、重启PiFlow Server

　　start.sh、stop.sh、 restart.sh、 status.sh

　　测试 PiFlow Server

　　设置环境变量 PIFLOW_HOME

　　vim /etc/profile

　　export PIFLOW_HOME=/yourPiflowPath/bin

　　export PATH=PATH:PIFLOW_HOME/bin

　　运行如下命令

　　piflow flow start example/mockDataFlow.json

　　piflow flow stop appID

　　piflow flow info appID

　　piflow flow log appID

　　piflow flowGroup start example/mockDataGroup.json

　　piflow flowGroup stop groupId

　　piflow flowGroup info groupId

　　如何配置config.properties

　　#spark and yarn config

　　spark.master=yarn

　　spark.deploy.mode=cluster

　　#hdfs default file system

　　fs.defaultFS=hdfs://10.0.86.191:9000

　　#yarn resourcemanager.hostname

　　yarn.resourcemanager.hostname=10.0.86.191

　　#if you want to use hive, set hive metastore uris

　　#hive.metastore.uris=thrift://10.0.88.71:9083

　　#show data in log, set 0 if you do not want to show data in logs

　　data.show=10

　　#server port

　　server.port=8002

　　#h2db port

　　h2.port=50002