Téléchargé 363 fois
Téléchargé parKhanh Maudoux
Hadoop et son écosystème
Le document présente Hadoop et son écosystème, traitant notamment de MapReduce, HDFS, YARN et divers outils d'intégration de données. Il décrit également des composants de traitement de données tels que le traitement par lots, SQL analytique, et le machine learning, tout en mentionnant des systèmes de gestion de bases de données non relationnelles. Enfin, il aborde des outils supplémentaires pour la gestion et la supervision de clusters Hadoop.
Contenu connexe
Similaire à Hadoop et son écosystème
Hadoop et son écosystème
- 1. Hadoop et son écosystème parKhanh Tuong MAUDOUX @jetoile 109/10/2015
- 2. Hadoop et sonécosystème Au programme… • Hadoop : qu’est ce que c’est? – MapReduce – HDFS – Yarn • Ecosystème – Data Integration – Batch Processing – Analytic SQL – Streaming Processing – Machine Learning – Search Engine – Autre 209/10/2015
- 3. Hadoop et sonécosystème Qui je suis… • Khanh Tuong Maudoux • Développeur Java, JavaEE, BigData indépendant • blog : blog.jetoile.fr • @jetoile • [email protected] 309/10/2015
- 4. Hadoop et sonécosystème Qu’est ce que c’est… 409/10/2015
- 5. Hadoop et sonécosystème Qu’est ce que c’est… • BigData => V4 – Volume – Vélocité – Variété – Véracité • BigData => Hadoop? 09/10/2015 5 Ne parlera pas des API de programmations comme Cascalog/Hive/Pig/Java/…
- 6. Hadoop et sonécosystème Qu’est ce que c’est… 09/10/2015 6 HDP 2.3
- 7. Hadoop et sonécosystème Qu’est ce que c’est… MapReduce 709/10/2015
- 8. Hadoop et sonécosystème Qu’est ce que c’est… MapReduce 809/10/2015
- 9. Hadoop et sonécosystème Qu’est ce que c’est… MapReduce 9 • Et… Shuffle 09/10/2015
- 10. Hadoop et sonécosystème Qu’est ce que c’est… MapReduce 10 • Et… Shuffle 09/10/2015
- 11. Hadoop et sonécosystème Qu’est ce que c’est… HDFS 1109/10/2015
- 12. Hadoop et sonécosystème Qu’est ce que c’est… HDFS 12 • Hadoop Distributed FileSystem • FileSystem – Les données sont écrites dans des blocs gérés par le FileSystem • HDFS – Les données sont écrites dans des blocs gérés par le HDFS => Un fichier dans HDFS est constitué de blocs 09/10/2015
- 13. Hadoop et sonécosystème Qu’est ce que c’est… HDFS 13 • Permet : – La réplication (les blocs sont répliqués) et donc la résilience – La scalabilité (les blocs ne sont pas tous sur la même machine) – … 09/10/2015
- 14. Hadoop et sonécosystème Qu’est ce que c’est… HDFS 14 • Composé de : – Namespace : structure de répertoire et nom des fichiers – Metadata : propriétaire, permissions et attributs tels que le timestamp – Journaling : permet d’assurer l’intégrité et la gestion des erreurs – Storage : bloc disque, et stockage physique – Tools : clients et utilitaires pour interagir avec le système de fichiers 09/10/2015 Operating System (OS) Virtual File System File System (ext4, ext3, xfs, …) Namespace(s) Metadata Journaling Tools Disk Storage
- 15. Hadoop et sonécosystème Qu’est ce que c’est… HDFS - Architecture 15 • NameNode et DataNode 09/10/2015 NameNode Namespace Metadata Block Map Journaling Disk DataNode Storage Disk DataNode Storage Disk Storage Disk Bloc report Contient la localisation réelle des données (bloc/datanode) DataNode
- 16. Hadoop et sonécosystème Qu’est ce que c’est… HDFS - NameNode 16 • Fonctionnement : – fsimage : point de controle (checkpoint) persistant contenant les métadonnées du système de fichiers – edits : journal des opérations • fsimage chargé en mémoire 09/10/2015
- 17. Hadoop et sonécosystème Qu’est ce que c’est… HDFS - Lecture 1709/10/2015
- 18. Hadoop et sonécosystème Qu’est ce que c’est… HDFS - Ecriture 1809/10/2015
- 19. Hadoop et sonécosystème Qu’est ce que c’est… HDFS - HA 1909/10/2015 DN DN DN DN Active NN Standby NN Quorum Journal Manager / Shared Storage Block reports envoyés aux 2 NN Toutes les modifications d’edits sont partagées
- 20. Hadoop et sonécosystème Qu’est ce que c’est… YARN 2009/10/2015
- 21. Hadoop et sonécosystème Qu’est ce que c’est… YARN 21 • Avant : – JobTracker – TaskTracker 09/10/2015
- 22. Hadoop et sonécosystème Qu’est ce que c’est… YARN 22 • Yet Another Ressource Negociator • Composé de : – ResourceManager – NodeManager – ApplicationMaster 09/10/2015
- 23. Hadoop et sonécosystème Qu’est ce que c’est… YARN et HDFS 2309/10/2015
- 24. Hadoop et sonécosystème Qu’est ce que c’est… YARN - Multisite 24 • Utilisation du Rack Awareness • Utilisation du StandByNameNode • YARN peut décider d’utiliser la DataNode distant • Dans le cas de l’utilisation d’un StandByNameNode, tous les DataNodes doivent communiquer avec lui • Risque si données incohérentes entre des DataNodes localisés sur des sites différents • Partage d’informations entre les deux NameNodes • Gestion de Zookeeper • Gestion HBase 09/10/2015
- 25. Hadoop et sonécosystème Ecosystème 2509/10/2015 Batch Processing Analytic SQL Search Engine Machine Learning Stream Processing Workload Management (Yarn) Storage for any type of data Unified, Elastic, Resilient, Secure Data Integration Filesystem (HDFS)
- 26. Hadoop et sonécosystème Ecosystème Data Integration 2609/10/2015 Batch Processing Analytic SQL Search Engine Machine Learning Stream Processing Workload Management (Yarn) Storage for any type of data Unified, Elastic, Resilient, Secure Data Integration Filesystem (HDFS)
- 27. Hadoop et sonécosystème Ecosystème Data Integration 27 • Sqoop • Flume • Logstash • Kafka (messaging) 09/10/2015
- 28. Hadoop et sonécosystème Ecosystème Data Integration - Sqoop 28 • Outils permettant de transférer des données en masse entre Hadoop et un entrepôt de données structuré tel qu’une base de données 09/10/2015
- 29. Hadoop et sonécosystème Ecosystème Data Integration - Flume 29 • Flume est un service distribué, fiable et hautement disponible servant à la collecte, la l’agrégation et le déplacement d’une grosse quantité de données de logs • Composé de – Source – Sink – Channel 09/10/2015
- 30. Hadoop et sonécosystème Ecosystème Data Integration - Logstash 3009/10/2015 • Logstash est un simple agent orienté message qu’il est possible de configurer pour combiner différentes fonctions • Composé de – Input – Filter – Output
- 31. Hadoop et sonécosystème Ecosystème Data Integration - Kafka 31 • Système orienté message de type publish/subscribe implémenté comme système de traces transactionnel distribué, adapté pour la consommation de messages en-ligne et hors ligne • Service de commit de traces distribué, partitionné et répliqué • Les producteurs publient des messages dans des topics, les consommateurs s'abonnent à ces sujets et consomment les messages 09/10/2015
- 32. Hadoop et sonécosystème Ecosystème Batch Processing 3209/10/2015 Batch Processing Analytic SQL Search Engine Machine Learning Stream Processing Workload Management (Yarn) Storage for any type of data Unified, Elastic, Resilient, Secure Data Integration Filesystem (HDFS)
- 33. Hadoop et sonécosystème Ecosystème Batch Processing 33 • Hive • Pig • Cascading • Spark 09/10/2015
- 34. Hadoop et sonécosystème Ecosystème Batch Processing - Hive 34 • Permet l’exécution de requêtes SQL sur un cluster Hadoop en vue d’analyser et d’agréger les données. • Langage de visualisation uniquement • Offre les connecteurs ODBC/JDBC 09/10/2015
- 35. Hadoop et sonécosystème Ecosystème Batch Processing - Pig 35 • Permet le requêtage des données Hadoop à partir d’un langage de script • Basé sur un langage de haut niveau permettant de créer des programmes de type MapReduce 09/10/2015
- 36. Hadoop et sonécosystème Ecosystème Batch Processing - Cascading 36 • API de traitement de données et planificateur de requête pour la définition, le partage et le traitement de données 09/10/2015
- 37. Hadoop et sonécosystème Ecosystème Batch Processing - Spark 37 – Moteur d’analyse multifonction adapté au traitement rapide de gros volumes de données – Concurrent de MapReduce – Basé sur les RDD (Resilient Distributed DataSet) – Peut s’appuyer sur YARN 09/10/2015
- 38. Hadoop et sonécosystème Ecosystème Analytic SQL 3809/10/2015 Batch Processing Analytic SQL Search Engine Machine Learning Stream Processing Workload Management (Yarn) Storage for any type of data Unified, Elastic, Resilient, Secure Data Integration Filesystem (HDFS)
- 39. Hadoop et sonécosystème Ecosystème Analytic SQL 39 • Drill • Impala • Spark SQL • Hawq • Presto 09/10/2015
- 40. Hadoop et sonécosystème Ecosystème Analytic SQL - Drill 40 • Système distribué permettant d’effectuer des requêtes sur de larges données permettant l’analyse interactive des données en SQL • Permet de requêter des sources de données hétérogènes : • MongoDB • JSON • HDFS • Hive • Classpath • HBase • Offre le connecteur ODBC 09/10/2015
- 41. Hadoop et sonécosystème Ecosystème Analytic SQL - Impala 41 • Système distribué permettant d’effectuer des requêtes sur de larges données permettant l’analyse interactive des données en SQL • Permet de requêter des sources de données hétérogènes : • HDFS • HBase • Compatible avec Hive 09/10/2015
- 42. Hadoop et sonécosystème Ecosystème Analytic SQL – Spark SQL 42 • Module de Spark offrant une API de plus haut niveau avec une syntaxe SQL • Equivalent à Hive mais s’exécutant sur Spark • Offre le connecteur JDBC 09/10/2015
- 43. Hadoop et sonécosystème Ecosystème Analytic SQL – Hawq 43 • Système distribué permettant d’effectuer des requêtes sur de larges données permettant l’analyse interactive des données en SQL • Full compliant SQL • Offre le connecteur ODBC/JDBC 09/10/2015
- 44. Hadoop et sonécosystème Ecosystème Analytic SQL – Presto 44 • Système distribué permettant d’effectuer des requêtes sur de larges données permettant l’analyse interactive des données en SQL • Permet de requêter des sources de données hétérogènes : – Hive – HDFS – Cassandra • Compatible avec Hive • ANSI-SQL syntax support (presumably ANSI-92) • Offre le connecteur JDBC 09/10/2015
- 45. Hadoop et sonécosystème Ecosystème Stream Processing 4509/10/2015 Batch Processing Analytic SQL Search Engine Machine Learning Stream Processing Workload Management (Yarn) Storage for any type of data Unified, Elastic, Resilient, Secure Data Integration Filesystem (HDFS)
- 46. Hadoop et sonécosystème Ecosystème Stream Processing 46 • Storm • Spark Streaming • Spring XD • Samza 09/10/2015
- 47. Hadoop et sonécosystème Ecosystème Stream Processing - Storm 47 • Système de calcul distribué temps réel • S’appuie sur les notions de : • Nimbus Node (~JobTracker) • Zookeeper • Supervisor Node (~NodeManager) • Notions de Spouts/Bolts • Peut s’appuyer sur YARN 09/10/2015
- 48. Hadoop et sonécosystème Ecosystème Stream Processing – Spark Streaming 48 • Module de Spark permettant de traiter des flux de données qui arrivent en continu, et donc de traiter ces données au fur et à mesure de leur arrivée • Fonctionnement sur le principe de microbatch 09/10/2015
- 49. Hadoop et sonécosystème Ecosystème Stream Processing – Spring XD 49 • Basé sur Spring Integration, Spring Batch et Spring Data • Offre un DSL qui permet de construire une route qui est exécuté par des job managé par Spring Batch en exploitant le provisionning par YARN / MESOS / Local 09/10/2015
- 50. Hadoop et sonécosystème Ecosystème Stream Processing – Samza 5009/10/2015 • Framework permettant de traiter de manière distribué des flux • Utilise Kafka, YARN • Offre la possibilité de faire du windowing
- 51. Hadoop et sonécosystème Ecosystème Machine Learning 5109/10/2015 Batch Processing Analytic SQL Search Engine Machine Learning Stream Processing Workload Management (Yarn) Storage for any type of data Unified, Elastic, Resilient, Secure Data Integration Filesystem (HDFS)
- 52. Hadoop et sonécosystème Ecosystème Machine Learning 52 • Mahout • Spark ML 09/10/2015
- 53. Hadoop et sonécosystème Ecosystème Machine Learning - Mahout 53 • Vise à créer des implémentations d’algorithmes d’apprentissage automatiques et de dataminings. • Même si les principaux algorithmes d’apprentissage se basent sur MapReduce, il n’y a pas d’obligation à utiliser Hadoop 09/10/2015
- 54. Hadoop et sonécosystème Ecosystème Machine Learning – Spark ML 54 • Librairie Spark de machine learning fournissant les algorithmes de classique (classification, regression, clustering, collaborative filtering, dimensionality reduction, …) 09/10/2015
- 55. Hadoop et sonécosystème Ecosystème Machine Learning 5509/10/2015 Batch Processing Analytic SQL Search Engine Machine Learning Stream Processing Workload Management (Yarn) Storage for any type of data Unified, Elastic, Resilient, Secure Data Integration Filesystem (HDFS)
- 56. Hadoop et sonécosystème Ecosystème Search Engine 56 • SolR • Elastic 09/10/2015
- 57. Hadoop et sonécosystème Ecosystème Search Engine – SolR 5709/10/2015 • SolR offre une indexation distribué, répliqué basé sur Apache Lucene • Permet la recherche full text, le highlighting, le facetting, la recherche géospatiale • Permet l’indexation de documents riches
- 58. Hadoop et sonécosystème Ecosystème Search Engine – Elastic 5809/10/2015 • Elastic offre une indexation distribué, répliqué basé sur Apache Lucene • Permet la recherche full text, le highlighting, le facetting, la recherche géospatiale • Permet l’indexation de documents riches
- 59. Hadoop et sonécosystème Ecosystème Autre 5909/10/2015
- 60. Hadoop et sonécosystème Ecosystème Autre 60 • HBase • Phoenix • Cassandra • Kudu • Hive • Confluent.io • Oozie • Ambari • Zookeeper • Tez • Mesos • Flink 09/10/2015
- 61. Hadoop et sonécosystème Ecosystème Autre - HBase 61 • Système de gestion de base de données non- relationnelles distribué de type orientée colonnes • Basés sur une architecture maitre/esclave (HBase Master et Region Server) 09/10/2015
- 62. Hadoop et sonécosystème Ecosystème Autre - Phoenix 6209/10/2015 • Permet de requêter HBase via une interface SQL en offrant un driver jdbc. • Phoenix accepte une requête SQL et la traduit en une série de scan Hbase. Il orchestre ensuite son exécution pour produire un résultat au format ResultSet JDBC. • Les métadonnées de la table sont stockées et versionnées dans une table HBase.
- 63. Hadoop et sonécosystème Ecosystème Autre - Cassandra 6309/10/2015 • Système de gestion de base de données non- relationnelles distribué de type orientée colonnes • Conçu pour être hautement disponible, scalable linéairement, et sans Single Point Of Failure
- 64. Hadoop et sonécosystème Ecosystème Autre - Kudu 6409/10/2015 • Système de gestion de base de données non- relationnelles distribué de type orientée colonnes • Conçu pour offrir de bonnes performances aussi bien pour les scanne que pour les accès aléatoire • Se positionne entre HDFS et HBase
- 65. Hadoop et sonécosystème Ecosystème Autre - Hive 65 • Hive – HiveMetastore – HiveServer2 – HCatalog 09/10/2015
- 66. Hadoop et sonécosystème Ecosystème Autre – Confluent.io 6609/10/2015 • Intégration de : – Kafka – Avro – SchemaRegistry – Gateway Rest pour lire/écrire dans Kafka
- 67. Hadoop et sonécosystème Ecosystème Autre - Oozie 67 • Solution de workflow (au sens ordonnanceur d’exploitation) utilisée pour gérer et coordonner les tâches de traitement de données à destination de Hadoop. • Integré avec l’écosystème Hadoop : – MapReduce (Java et Streaming) – Pig – Hive – Sqoop – Autres (Java ou scripts de type Shell) 09/10/2015
- 68. Hadoop et sonécosystème Ecosystème Autre - Ambari 68 • Destiné à la supervision et à l’administration de clusters Hadoop • Outil web qui propose un tableau de bord (visualisation de l’état d’un cluster – état des services, configuration, supervision, exécution des jobs, métriques) • Gestion de configuration permettant de déployer des services d’Hadoop ou de son écosystème sur des clusters de machines 09/10/2015
- 69. Hadoop et sonécosystème Ecosystème Autre - Zookeeper 69 • Service de coordination des services (et en l’occurrence des services d’un cluster Hadoop) • Fournit aux composants Hadoop les fonctionnalités de distribution • Indispensable à : – HBase – Storm – Kafka 09/10/2015
- 70. Hadoop et sonécosystème Ecosystème Autre - Tez 70 • Remplace MapReduce en utilisant YARN afin de fournir des requêtes dites “temps réel” • Utilisable par (work in progress) : – Hive – Pig – Cascading 09/10/2015
- 71. Hadoop et sonécosystème Ecosystème Autre - Flink 7109/10/2015 • Alternative à Spark • Moteur de streaming de flux distribué • Peut se déployer sur YARN
- 72. Hadoop et sonécosystème Ecosystème Autre - Mesos 7209/10/2015 • Alternative à YARN • Cluster Manager permettant d’abstraire le CPU, la mémoire, le stockage ainsi que les resources de calcul
- 73. Hadoop et sonécosystème Ecosystème Autre – MaprFS / MaprDB 7309/10/2015 • MapR propose MapR-FS en alternative à HDFS • MapR propose MapR-DB en alternative à HBase • Offre les mêmes API (HDFS/HBase)
- 74. Hadoop et sonécosystème Questions ? 7409/10/2015
- 75. Hadoop et sonécosystème Merci ! 7509/10/2015
Notes de l'éditeur
- #6 BigData != Hadoop Mais souvent Hadoop…! Cependant Hadoop = écosystème vaste Faire rappel sur historique Hadoop : v1 puis v2
- #9 Données transmises en RPC entre Mapper et Reducer
- #16 Pas de logique dans le dataNode : c’est le NameNode qui connait via réception des bloc report
- #17 The fsimage file contains a serialized form of all the directory and file inodes in the filesystem. Each inode is an internal representation of a file or directory’s metadata and contains such information as the file’s replication level, modification and access times, access permissions, block size, and the blocks a file is made up of. For directories, the modification time, permissions, and quota metadata is stored. The fsimage file does not record the datanodes on which the blocks are stored. Instead the namenode keeps this mapping in memory, which it constructs by asking the datanodes for their block lists when they join the cluster and periodically afterward to ensure the namenode’s block mapping is up-to-date.
- #20 In a typical HA cluster, two separate machines are configured as NameNodes. At any point in time, exactly one of the NameNodes is in an Active state, and the other is in a Standby state. The Active NameNode is responsible for all client operations in the cluster, while the Standby is simply acting as a slave, maintaining enough state to provide a fast failover if necessary. In order for the Standby node to keep its state synchronized with the Active node, the current implementation requires that the two nodes both have access to a directory on a shared storage device (eg an NFS mount from a NAS). This restriction will likely be relaxed in future versions. When any namespace modification is performed by the Active node, it durably logs a record of the modification to an edit log file stored in the shared directory. The Standby node is constantly watching this directory for edits, and as it sees the edits, it applies them to its own namespace. In the event of a failover, the Standby will ensure that it has read all of the edits from the shared storage before promoting itself to the Active state. This ensures that the namespace state is fully synchronized before a failover occurs. In order to provide a fast failover, it is also necessary that the Standby node have up-to-date information regarding the location of blocks in the cluster. In order to achieve this, the DataNodes are configured with the location of both NameNodes, and send block location information and heartbeats to both. It is vital for the correct operation of an HA cluster that only one of the NameNodes be Active at a time. Otherwise, the namespace state would quickly diverge between the two, risking data loss or other incorrect results. In order to ensure this property and prevent the so-called "split-brain scenario," the administrator must configure at least one fencing method for the shared storage. During a failover, if it cannot be verified that the previous Active node has relinquished its Active state, the fencing process is responsible for cutting off the previous Active's access to the shared edits storage. This prevents it from making any further edits to the namespace, allowing the new Active to safely proceed with failover.
- #31 L’écosystème de Logstash est constitué de 4 composants : Shipper qui envoie des événements à Logstash. Broker et Indexer qui reçoivent et indexent les événements. Search et Stockage qui permettent de rechercher et de stocker les événements. Web Interface qui est une interface web appelée Kibana. https://www.elastic.co/guide/en/logstash/current/index.html
- #38 Un RDD est une abstraction de collection sur laquelle les opérations sont effectuées de manière distribuée tout en étant tolérante aux pannes matérielles. Le traitement que l’on écrit semble ainsi s’exécuter au sein de notre JVM mais il sera découpé pour s’exécuter sur plusieurs noeuds. En cas de perte d’un noeud, le sous-traitement sera automatiquement relancé sur un autre noeud par le framework, sans que cela impacte le résultat.
- #41 Ne supporte pas les insert
- #42 Supporte les insert
- #43 Ne supporte pas les insert Seulement insert en fournissant une table
- #48 Spouts –sources of streams in a computation (e.g. a Twitter API) Bolts – process input streams and produce output streams. They can: run functions; filter, aggregate, or join data; or talk to databases. A Storm cluster is composed of a set of nodes running a Supervisor daemon. The supervisor daemons talk to a single master node running a daemon called Nimbus. The Nimbus daemon is responsible for assigning work and managing resources in the cluster Storm uses ZeroMQ for non-durable communication between bolts, which enables extremely low latency transmission of tuples. Samza does not have an equivalent mechanism, and always writes task output to a stream.
- #51 Samza is made up of three layers: A streaming layer. An execution layer. A processing layer. Samza provides out of the box support for all three layers. Streaming: Kafka Execution: YARN Processing: Samza API Storm and Samza are fairly similar. Both systems provide many of the same high-level features: a partitioned stream model, a distributed execution environment, an API for stream processing, fault tolerance, Kafka integration, etc. Storm and Samza use different words for similar concepts: spouts in Storm are similar to stream consumers in Samza, bolts are similar to tasks, and tuples are similar to messages in Samza. Storm also has some additional building blocks which don’t have direct equivalents in Samza. currently only at-least-once delivery, but support for exactly-once semantics is planned
- #58 Solr is highly reliable, scalable and fault tolerant, providing distributed indexing, replication and load-balanced querying, automated failover and recovery, centralized configuration and more. Solr powers the search and navigation features of many of the world's largest internet sites. Its major features include powerful full-text search, hit highlighting, faceted search, dynamic clustering, database integration, rich document (e.g., Word, PDF) handling, and geospatial search. Solr is highly scalable, providing distributed search and index replication, and it powers the search and navigation features of many of the world's largest internet sites.
- #59 The attachment type is provided as a plugin extension. It uses Apache Tika behind the scene.
- #65 Kudu is an open source storage engine for structured data which supports low-latency random access together with effi- cient analytical access patterns. Kudu distributes data using horizontal partitioning and replicates each partition using Raft consensus, providing low mean-time-to-recovery and low tail latencies. Kudu is designed within the context of the Hadoop ecosystem and supports many modes of access via tools such as Cloudera Impala, Apache Spark, and MapReduce Structured storage in the Hadoop ecosystem has typically been achieved in two ways: for static data sets, data is typically stored on HDFS using binary data formats such as Apache Avro[1] or Apache Parquet[3]. However, neither HDFS nor these formats has any provision for updating individual records, or for efficient random access. Mutable data sets are typically stored in semi-structured stores such as Apache HBase[2] or Apache Cassandra[21]. These systems allow for low-latency record-level reads and writes, but lag far behind the static file formats in terms of sequential read throughput for applications such as SQL-based analytics or machine learning.
- #69 Ambari se positionne en alternative à Chef, Puppet pour les solutions génériques ou encore à Cloudera Manager pour le monde Hadoop.
- #72 Flink’s core is a streaming dataflow engine that provides data distribution, communication, and fault tolerance for distributed computations over data streams. Flink includes several APIs for creating applications that use the Flink engine: DataSet API for static data embedded in Java, Scala, and Python, DataStream API for unbounded streams embedded in Java and Scala, and Table API with a SQL-like expression language embedded in Java and Scala. Flink also bundles libraries for domain-specific use cases: Machine Learning library, and Gelly, a graph processing API and library. You can integrate Flink easily with other well-known open source systems both for data input and output as well as deployment.
- #73 Apache Mesos abstracts CPU, memory, storage, and other compute resources away from machines (physical or virtual), enabling fault-tolerant and elastic distributed systems to easily be built and run effectively.