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！

PiFlow特色

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

PiFlow使用方法

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