Apache Gobblin 是一个分布式大数据集成框架,用于流式和批处理数据生态系统。该项目 2014 年起源于 LinkedIn,2015 年开源,并于 2017 年 2 月进入 Apache 孵化器
通过简化跨多个执行环境、数据速度、规模、连接器等的接收、复制、组织和生命周期管理流程,Apache Gobblin 每天可用于集成数百 TB 和数千个数据集
- 在支持简单转换的同时,从各种来源提取和导出数据,并汇入和汇出数据湖。
- 湖中的数据组织(例如压缩、分区、重复数据删除)。
- 元数据驱动的湖泊内数据的生命周期和合规性管理(例如,数据保留、细粒度数据删除)
Apache Gobblin 的详细介绍可查看:https://gobblin.apache.org/