一站式Flink&Spark平台解决方案——StreamX

随着Flink&Spark生态的不断完善，越来越多的企业选择这两款组件，或者其中之一作为离线&实时的大数据开发工具，但是在使用他们进行大数据的开发中我们会遇到一些问题，比如：

1. 任务运行监控怎么处理？
2. 使用Cluster模式还是Nodeport暴露端口访问Web UI？
3. 提交任务能否简化打包镜像的流程?
4. 如何减少开发压力？

而StreamX就是专为解决这些问题而出现的，其提供了如下的一些功能：

• 开发脚手架
• Kubernetes部署模式支持
• YARN-Application部署模式支持
• 多版本Flink支持(1.12.x, 1.13.x, 1.14.x )
• 一系列开箱即用的Connectors
• 支持项目编译功能(CICD/maven编译)
• 快捷的日常操作(任务启动、停止、savepoint)
• 支持Notebook(在线任务开发)
• 在线参数配置
• 项目配置和依赖版本化管理
• 在线管理依赖(maven pom)和自定义jar
• 自定义 udf、连接器等支持
• Flink SQL WebIDE

有的同学可能会使用Zeppelin比较多，两者是有一定区别的，侧重点不同。未来也会写文做一下两者的对比。

StreamX近期也发布了最新的版本StreamX 1.2.0。

在最新的版本中支持了以下功能：

• 与 Hadoop 解耦, 平台在启动时不在强制依赖 Hadoop 环境
• 较完整的支持了 Kubernetes 部署模式(Native Application/Native Session)
• Kubernetes 部署模式下, 任务的状态追踪监控
• 支持自动 build/push 镜像
• Flink 最新1.14.0 支持, 目前已经支持 Flink 1.12.x / 1.13.x / 1.14.0
• 新增打包机模块，任务打包 fat-jar 更方便

谁在使用StreamX

在2021年11月18日，StreamX 也成功的入选了开源中国的2021年度最有价值开源项目。

未来的StreamX也进行着与doris，dolphinscheduler等整合的计划，也会继续增强StreamX在Flink流上的开发部署能力与运行监控能力，努力把StreamX打造成一个功能完善的流数据 DevOps。

StreamX是一个完全由国人发起的开源项目。也欢迎大家联系我们，加入到开源项目中来，为中国开源崛起献上一份自己的力量，未来共同向着成为Apache顶级项目而努力。