parameters: { "transient_lastDdlTime": "1466403208"}
viewOriginalText: null
viewExpandedText: null
tableType: “MANAGED_TABLE”
temporary: false
实体类型的每个实例都由唯一标识符 GUID 标识。
定义对象时，此 GUID 由 Atlas 服务器生成，并且在实体的整个生命周期内保持不变。在任何时间点，都可
以使用其 GUID 访问此特定实体。
Ingest/Export：Ingest 组件允许将元数据添加到 Atlas。类似地，Export 组件暴露由 Atlas 检测到的元数
据更改，以作为事件引发，消费者可以使用这些更改事件来实时响应元数据更改。
Graph Engine：在内部，Atlas 保留使用 Graph 模型管理的元数据对象。这种方法提供了极大的灵活性，并
可以有效处理元数据对象之间的丰富关系。图引擎组件负责在 Atlas 类型系统的类型和实体以及基础图持
久性模型之间进行转换。除了管理图形对象外，图形引擎还为元数据对象创建适当的索引，以便可以有效
地搜索它们。Atlas 使用 JanusGraph 存储元数据对象。
1.1.2 Integration
用户可以使用两种方法整合管理 Atlas 中的元数据：
⚫ API：Atlas 的所有功能都可以通过 REST API 提供给最终用户，允许创建，更新和删除类型和实体。
它也是查询和发现通过 Atlas 管理的类型和实体的主要方法。
⚫ Messaging：除了 API 之外，用户还可以选择使用基于 Kafka 的消息接口与 Atlas 集成。这对于将
元数据对象传输到 Atlas 以及从 Atlas 使用可以构建应用程序的元数据更改事件都非常有用。如果
希望使用与 Atlas 更松散耦合的集成，这可以允许更好的可扩展性，可靠性等，消息传递接口是特别
有用的。Atlas 使用 Apache Kafka 作为通知服务器用于钩子和元数据通知事件的下游消费者之间的
通信。事件由钩子(hook)和 Atlas 写到不同的 Kafka 主题:
1.1.3 Metadata source
Atlas 支持与许多元数据源的集成，将来还会添加更多集成。目前，Atlas 支持从以下数据源获取和管理元
数据：
⚫ Hive:通过 hive-brige，atlas 可以接入 Hive 的元数据，包括 hive_db,hive_table,hive_column,hive_process
⚫ Sqoop:通过 sqoop-brige,atlas 可以接入关系型数据库的元数据。
⚫ kafka:通过 kafka-brige 接入
⚫ Storm:通过 strom-brige 可以接入流式处理的元数据
Atlas 集成大数据组件的元数据源需要实现以下两点：
首先，需要基于 atlas 的类型系统定义能够表达大数据组件元数据对象的元数据模型(例如 Hive 的元数据模
型实现在 org.apache.atlas.hive.model.HiveDataModelGenerator；
然后，需要提供 hook 组件去从大数据组件的元数据源中提取元数据对象，实时侦听元数据的变更并反馈给
atlas；
1.1.4 应用领域
Atlas Admin UI：此组件是一个基于 Web 的应用程序，允许数据管理员和科学家发现和注释元数据。这里
最重要的是搜索界面和类似 SQL 的查询语言，可用于查询 Atlas 管理的元数据类型和对象。管理员界面使
评论3