大数据AI Notebook产品介绍和对比

背景

大数据数据需要查询分析可视化工具,AI数据挖掘和探索也需要相关可视化编辑工具，开源产品主要有两个一个是Zeppelin notebook 一个是jupyter notebook，其中juypter主要用于数据科学家、算法分析人员使用python进行数据分析、算法建模，相关企业如aws、百度、腾讯都有基于jupyter notebook去进行定制化开发，zeppelin notebook比较偏重于大数据数据查询分析可视化，支持多种大数据计算引、存储引擎擎如：Spark、Flink、Hive、Kylin等，现在对这两个产品进行介绍

Apache Zeppelin简介

Zeppelin是一个Web笔记形式的交互式数据查询分析工具，可以在线用scala和SQL对数据进行查询分析并生成报表，notebook可以包括多个paragraph(段)。paragraph是进行数据分析的最小单位，即在 paragraph中可以完成数据分析代码的编写以及结果的可视化查看。因此，一个paragraph 可看做是一个基本的任务单元。Zeppelin的后台数据引擎可以是Spark、flink、Python等，开发者可以通过实现更多的解释器来为Zeppelin添加数据引擎。

• 多解释器支持
  

• 丰富的数据可视化

• 其他功能

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-JU6oQBfu-1648114874903)(https://ask.qcloudimg.com/developer-images/article/1591933/6v6mvjkt28.png)]

• IDEA插件
  作为一个开发来说，通过idea插件跟zeppelin连接，可以很方便的编写代码，快速的进行数据查询分析。

Zeppelin 架构

Zeppelin的核心功能就是：通过不同的解释器支持多种语言的repl，并对返回结果进行可视化展示。

主要分成三块 1.Zeppelin 前端 2.Zeppelin Server 3.Zeppelin Interpreter

Zeppelin前端是基于AngularJS

Zeppelin Server是一个基于Jetty的轻量级Web Server，主要负责以下一些功能：1.登陆权限管理 、 2.Zeppelin配置信息管理 、3.Interpreter 配置信息和生命周期管理、 4.Note存储管理 、5.插件机制管理

zeppelin采用WebSocket技术的必要性问题，zeppelin是共享式、Notebook式的大数据分析环境，以repl的方式执行以Paragraph为最小粒度的代码段。

首先repl的方式强调实时反馈执行结果，特别是在大数据环境下，一段代码可能需要执行很长时间，在执行的过程中，zeppelin的用户期望看到执行进度和中间结果，需要在前后端之间建立一个长连接，便于实时传递数据。

另外zeppelin的另一个亮点是其结果可视化能力，需要在前后台传递图片，并且支持较大数据量的传输的能力（相对传统http技术）。

再者，由于是共享式环境，一个Note可能被多个用户同时看到、甚至编辑，需要在各个已经打开了同一个Note的web客户端之间同步Note的代码、执行结果和进度信息。

Jupyter 简介

Jupyter Notebook是一个开源的Web应用程序，允许用户创建和共享包含代码、方程式、可视化和文本的文档。它的用途包括：数据清理和转换、数值模拟、统计建模、数据可视化、机器学习等等。它具有以下优势：

可选择语言：支持超过40种编程语言，包括Python、R、Julia、Scala等。

分享笔记本：可以使用电子邮件、Dropbox、GitHub和Jupyter Notebook Viewer与他人共享。

交互式输出：代码可以生成丰富的交互式输出，包括HTML、图像、视频、LaTeX等等。

大数据整合：通过Python、R、Scala编程语言使用Apache Spark等大数据框架工具。支持使用pandas、scikit-learn、ggplot2、TensorFlow来探索同一份数据。

jupyter项目架构

架构图

项目关系图

jupyter项目利用了利用了ZeroMQ的Publisher-Subscriber模式来做通信，前后端通过websockets和http 请求进行交互。整个项目看起来挺负责，提供了灵活的可扩展的方式，可以通过定制kernel去实现。juypter 相比于zeppelin多进程的实现方式，资源利用率高，但是隔离性不如zeppelin。

总结

两个产品功能都差不多，不过相比较而言zeppeplin比较是适合企业级部署应用，支持比较多的大数据计算引擎，而juypter notebook比较适合于个人用户以及AI建模人员去使用，目前各大云厂商都有类似的结局方案，生产化的化基本上都是以云原生的方式去部署。

参考文档

http://wwj718.github.io/post/%E6%9E%B6%E6%9E%84/jupyter-notebook-architecture/