大数据周报第 8 期：Apache Beam 将统一大数据平台的开发

开源新闻：

1. 《 AirFlow 加入 Apache 孵化器》
   AirFlow 加入 Apache 孵化器工程。AirFlow 是一个工作流和调度系统，用来管理数据管道。由 AirBnb 开发并在内部使用，于去年九月份开源。
2. 《 Apache Apex 成为 Apache 顶级项目》
   Apache Apex 是基于 Hadoop 的流处理和批处理引擎，目前成为 Apache 顶级项目。
3. 《 Apache Beam 将统一大数据平台的开发》
   Apache Beam 将统一大数据平台的开发。一直以来，大数据开发涉及到各种框架，比如，Hadoop、Storm、Spark 和 Flink 等，基于这些框架的开发要求的技术栈都各不同，这对开发者来说开发成本比较高，在 Beam 的统一下可以实现写一个程序既能在 Hadoop 中运行又可在 Spark 中运行。
4. 《开源项目：Spark 分布式训练深度神经网络》
   用 Spark 分布式训练深度神经网络，可直接在已有 Spark 集群上安装，简单易学习。

实践：

1. 《基于 Storm 和 Morphlines 一体化实现实时清洗》
   使用 Storm 做实时数据清洗（ETL），从数据 Arriving 到数据 Serving 一体化 (Topology) 解决。数据格式转换可以借助 kitesdk morphlines 来配置完成。
2. 《 Netflix 的数据管道演化系列》（1）、《 Netflix 的数据管道演化系列》（2）
   Netflix 的数据管道演化，从 Chukwa 管道到 Kafka 管道。并详细介绍 Kafka 管道架构技术，包括 Kafka 数据管道的设计原则、云服务中运行的挑战、发布策略、Kafka 容灾和 Kafka 监控等。
3. 《 Qsquery 支持 Syslog 和 Amazon Kinesis 》
   Qsquery 是 Facebook 开源的一款支持 SQL 查询系统的各项指标，可以用于 OSX 和 Linux 操作系统，它使得底层操作系统分析和监控性能更加直观。Airbnb 工程师开发插件支持 Syslog 收集，并把查询结果发送到 Amazon Kinesis Streams & Kinesis Firehose。

感谢杜小芳对本文的审校。

给InfoQ 中文站投稿或者参与内容翻译工作，请邮件至 editors@cn.infoq.com 。也欢迎大家通过新浪微博（ @InfoQ ， @丁晓昀），微信（微信号： InfoQChina ）关注我们。