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

2 工作量评估和任务分解

2.1 工作量评估

2.2 基于华为云ECS完成LakeFS安装和部署

华为云部署参考：

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 完成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 将LakeFS数据出湖到GuassDB数据库功能。
• 在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 在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

4 参考资料

• 开源for Huawei介绍、环境搭建、示例项目、开发和部署指南：https://gitcode.com/HuaweiCloudDeveloper/OpenSourceForHuaweiWiki/overview