LakeFS适配GaussDB开源开发任务

举报
xiaojiawei 发表于 2024/10/28 17:56:45 2024/10/28
【摘要】 LakeFS是开源的数据湖版本控制系统,有类似Git的版本控制功能,可管理数据湖数据版本,支持快照管理、多用户协作、保证数据湖一致性、提供恢复功能且能与多种数据湖分析工具集成。本任务的主要目的是让LakeFS支持GaussDB数据库,帮助拓展GaussDB的影响力,也方便LakeFS的用户能够将数据库由MySQL换成GaussDB。

背景介绍

开源for Huawei(参考:https://developer.huaweicloud.com/programs/opensource/contributing/)  通过和公司、高校、社区的开发者合作,完成鲲鹏、昇腾、欧拉、鸿蒙、高斯、云服务等与开源软件的适配开发,帮助繁荣Huawei的基础生态,同时让开源软件能够更加简单、高效的运行于华为云上。

开始之前,开发者可以下载 开源for Huawei Wiki(参考:https://gitcode.com/HuaweiCloudDeveloper/OpenSourceForHuaweiWiki/overview) 了解详细的开发步骤,技术准备,以及开发过程需要的各种资源。

1 需求分析

1.1 项目影响力

LakeFS 是开源的数据湖版本控制系统,有类似Git的版本控制功能,可管理数据湖数据版本,支持快照管理、多用户协作、保证数据湖一致性、提供恢复功能且能与多种数据湖分析工具集成。

源码地址:https://github.com/treeverse/lakeFS

官网主页:https://lakefs.io/

主要开发语言:Go 75.2%、JavaScript 7.5%、Java 4.7%

项目数据:Fork 350, Star 4.4K, Contributors 94

star历史(https://star-history.com/):


1.2 任务目的和范围

本任务的主要目的是构建LakeFS与GuassDB数据库的连接桥梁,使LakeFS融入华为云生态体系,让原本使用LakeFS的用户可以选择使用华为云服务。同时,该任务也可以为当前使用华为云服务的用户提供数据输出到LakeFS的选项,丰富个性化定制的多样性。

  • 适配任务清单

生态

生态细类

是否需要验证

验证逻辑说明

是否需要适配

适配场景说明

昇腾生态



指令

使用昇腾处理器运行应用。

使用昇腾指令实现适配逻辑。

CANN

应用功能依赖于CANN运行。

使用CANN实现适配逻辑。

MindSpore

应用功能依赖于MindSpore运行。

使用MindSpore实现适配逻辑。

鲲鹏生态


指令

使用鲲鹏处理器运行应用。

使用鲲鹏指令实现适配逻辑。

Euler

使用Euler系统运行应用。

使用Euler系统调用实现适配逻辑。

数据库生态


GaussDB

使用GaussDB功能。

使用GaussDB的驱动和SQL实现适配逻辑。

GaussDB(DWS)

使用GaussDBDWS)功能。

使用GaussDB(DWS)的驱动和SQL现适配逻辑。

存储生态

OBS

使用OBS功能。

基于OBS API访问实现适配逻辑。

鸿蒙生态

HarmonyOS

使用HarmonyOS系统运行应用。

使用HarmonyOS系统调用实现适配逻辑。

2 工作量评估和任务分解

2.1 工作量评估

任务

人/天

基于华为云ECS完成LakeFS安装和部署

1

完成GaussDB数据库适配功能开发

5

完成DEMO设计和验证

1

输出开发资料和博客

2

代码推送上游社区和更新社区资料

1

总计

10人天

2.2 基于华为云ECS完成LakeFS安装和部署

华为云部署参考:


图片4.png


LakeFS的参考架构:

LakeFS与其他工具的搭配使用:

LakeFS支线和合并改进使用最新数据更新集合的通用过程:

1、首先,创建一个新的 支线 从 main 来立即生成生产数据的完整“副本”;

2、在隔离的分支上应用更改或进行更新,并在开放之前了解其影响;

3、最后,执行一个 合并 从feature分支返回到main,以原子方式将更新提升到生产中。

遵循这种模式,LakeFS促进了一个简化的数据部署工作流,该工作流可以一致地生成您可以完全放心的数据资产。

2.3 GaussDB数据库适配功能开发

  • 申请开通华为云GuassDB服务,并获取相应的配置信息。
  • 安装SQLMesh,并生成镜像,实现对GuassDB数据库数据入湖到LakeFS功能 以及 LakeFS数据出湖到GuassDB数据库功能。
  • GitCode完成项目Fork,并完成GuassDB数据库服务适配需要的脚本和代码开发。
  • 使用LakeFS镜像对接GuassDB数据库服务,开启联调验证并修改适配脚本及代码

参考:

LakeFS官网文档: https://lakefs.io/

LakeFS仓库地址: https://github.com/treeverse/lakeFS

2.4 完成DEMO设计和验证

1、使用第三方抽数工具,从LakeFS中采集数据文件写入GaussDB数据库

预期结果:采集并写入成功,GaussDB对应表中生成新的数据

2、使用第三方抽数工具,从GaussDB数据库中采集数据文件写入LakeFS

预期结果:采集并写入成功,LakeFS中生成采集到的数据文件

2.5 华为云开发者论坛输出博客

访问华为云开发者论坛(参考:https://bbs.huaweicloud.com/blogs)发表博客,介绍完成这些任务的过程和心得。

内容包括不限于如下内容:

  • 开源for Huawei的背景
  • 开源软件的功能介绍
  • 开发适配过程及碰到和解决的问题
  • DEMO设计、开发、部署过程
  • 代码推送开源社区及互动过程

博客打上如下标签:

  • 开源(必选)
  • 开发者(必选)
  • GaussDB数据库(可选)
  • 云数据库 GaussDB(可选)
  • 鲲鹏(可选)
  • 昇腾(可选)
  • 鸿蒙(可选)

2.6 代码推送上游社区

将代码合并到LakeFS官网主干代码,更新LakeFS官网资料,包括版本说明、开发指南等。

3 验收材料

验收细则

评分说明

是否为验收必选项

结果(通过/不通过)

开发者举证

功能开发:完成与华为三大根技术生态(鲲鹏云、昇腾云、鸿蒙)适配的功能开发

完成GaussDB数据库适配功能开发。



代码质量:适配华为三大根技术生态的代码质量经过工具检测达标

推送给开源社区的代码符合开源社区关于代码风格、功能、自动化测试等要求。



提供相关文档,比如部署文档、使用文档、配置文档等

根据社区要求,完善相关的开发指南和部署指导



合入到开源项目主仓:代码推送上游社区

代码合并到当前主干分支。



Deomo设计&开发:完成功能演示Demo的开发

提供DEMO仓库地址。



Demo部署&验证:完成功能演示DEMO基于华为云鲲鹏环境的部署和功能验证

提供DEMO部署验证结果的关键截图进行举证。提供DEMO运行环境和资源的截图举证。



发布博客:发布博客介绍适配心得。

提供博客的地址。



制作单机版无高危开源镜像。

上架云商店。



单机版镜像上架时支持模板部署。




制作集群版无高危开源镜像

上架云商店。



集群版镜像上架时支持模板部署




4 参考资料

【版权声明】本文为华为云社区用户原创内容,转载时必须标注文章的来源(华为云社区)、文章链接、文章作者等基本信息, 否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。