Apache Beam
编程模型
Apache Beam是一个开源统一编程模型，用于定义和执行数据处理管道，包括ETL、批处理和流（连续）处理。[2] Beam流水线是使用提供的SDK之一定义的，并在Beam支持的一个运行器（分布式处理后端）中执行，包括Apache Apex、Apache Flink、Apache Gearpump（孵化中）、Apache Samza、Apache Spark和Google Cloud Dataflow。[3]
 | |
| 开发者 | Apache软件基金会 |
|---|---|
| 首次发布 | 2016年6月15日 |
| 当前版本 |
|
| 源代码库 | |
| 编程语言 | Java, Python, Go |
| 操作系统 | 跨平台 |
| 许可协议 | Apache许可证 2.0 |
| 网站 | beam |
它被称为“大数据的超级API”。[4]
历史
Apache Beam[3]是数据流模型文件的一种实现。[5]数据流模型基于以前关于Google的分布式处理抽象的工作，特别是FlumeJava[6]和Millwheel。[7][8]
Google于2014年发布了数据流模型的开放式SDK，以及在本地（非分布式）和Google云平台服务中执行数据流的环境。
2016年，Google向Apache软件基金会捐赠了核心SDK以及本地运行程序的实现，以及用于访问Google云平台数据服务的一组IO（数据连接器）。其他公司和社区成员为现有的分布式执行平台提供了运行器，以及新的将Beam Runners与现有数据库、键值存储和消息系统集成的IO。此外，还提出了新的DSL，以支持Beam模型之上的特定领域需求。
时间线
| 版本 | 释放日期 |
|---|---|
| 2.19.0 | 2020-02-04 |
| 2.18.0 | 2020-01-23 |
| 2.17.0 | 2020-01-06 |
| 2.16.0 | 2019-10-07 |
| 2.15.0 | 2019-08-22 |
| 2.14.0 | 2019-08-01 |
| 2.13.0 | 2019-05-22 |
| 2.12.0 | 2019-04-25 |
| 2.11.0 | 2019-02-26 |
| 2.10.0 | 2019-02-01 |
| 2.9.0 | 2018-12-13 |
| 2.8.0 | 2018-10-29 |
| 2.7.0 | 2018-10-03 |
| 2.6.0 | 2018-08-08 |
| 2.5.0 | 2018-06-26 |
| 2.4.0 | 2018-03-20 |
| 2.3.0 | 2018-01-30 |
| 2.2.0 | 2017-12-02 |
| 2.1.0 | 2017-08-23 |
| 2.0.0 | 2017-05-17 |
| 0.6.0 | 2017-03-11 |
| 0.5.0 | 2017-02-02 |
| 0.4.0 | 2016-12-29 |
| 0.3.0 | 2016-10-31 |
| 0.2.0 | 2016-08-08 |
| 0.1.0 | 2016-06-15 |
格式： 旧版本 旧版本，仍被支援 当前版本 最新的预览版 未来版本 | |
参见
- Apache软件基金会的项目列表
参考文献
- ^ Release 2.60.0. 2024年10月16日 [2024年10月21日].
- ^ Woodie, Alex. Apache Beam's Ambitious Goal: Unify Big Data Development. Datanami. 2016-04-22 [2016-08-04]. （原始内容存档于2016-08-13）.
- ^ 3.0 3.1 Cloud Dataflow - Batch & Stream Data Processing. [2018-12-21]. （原始内容存档于2018-12-23）.
- ^ Ian Pointer. Apache Beam wants to be uber-API for big data. InfoWorld. 2016-04-14 [2018-12-21]. （原始内容存档于2018-12-22）.
- ^ Akidau, Tyler; Schmidt, Eric; Whittle, Sam; Bradshaw, Robert; Chambers, Craig; Chernyak, Slava; Fernández-Moctezuma, Rafael J.; Lax, Reuven; McVeety, Sam. The dataflow model (PDF). Proceedings of the VLDB Endowment. 2015-08-01, 8 (12): 1792–1803 [2016-08-04]. doi:10.14778/2824032.2824076. （原始内容存档 (PDF)于2016-03-04）.
- ^ Chambers, Craig; Raniwala, Ashish; Perry, Frances; Adams, Stephen; Henry, Robert R.; Bradshaw, Robert; Weizenbaum, Nathan. FlumeJava: Easy, Efficient Data-parallel Pipelines (PDF). Proceedings of the 31st ACM SIGPLAN Conference on Programming Language Design and Implementation (ACM). 2010-01-01: 363–375 [2016-08-04]. doi:10.1145/1806596.1806638. （原始内容 (PDF)存档于2016-09-23）.
- ^ Akidau, Tyler; Whittle, Sam; Balikov, Alex; Bekiroğlu, Kaya; Chernyak, Slava; Haberman, Josh; Lax, Reuven; McVeety, Sam; Mills, Daniel. MillWheel (PDF). Proceedings of the VLDB Endowment. 2013-08-27, 6 (11): 1033–1044 [2016-08-04]. doi:10.14778/2536222.2536229. （原始内容 (PDF)存档于2016-02-01）.
- ^ Pointer, Ian. Apache Beam wants to be uber-API for big data. InfoWorld. [2016-08-04]. （原始内容存档于2016-08-03）.