一体化元数据管理平台——OpenMetadata入门宝典

大家好，我是独孤风，一位曾经的港口煤炭工人，目前在某国企任大数据负责人，公众号大数据流动主理人。在最近的两年的时间里，因为公司的需求，还有大数据的发展趋势所在，我开始学习数据治理的相关知识。今天给大家分享一体化的元数据管理平台——OpenMetadata。

本文档基于官网及个人实践资料整理。后续的文档请关注公众号 大数据流动，会持续的更新~

本文分四个部分，分别从开源元数据管理平台，OpenMetadata简介，安装过程和功能演示四个方面来进行。

一、开源元数据管理平台

元数据管理是企业全面开展数据治理的起点。各种元数据管理工具，元数据管理平台也层出不穷。

开源的元数据管理平台很多。开源元数据管理平台是一种用于收集、存储和管理数据的工具，它们提供了一种可扩展的方式来组织和维护数据的元数据信息。以下是一些常见的开源元数据管理平台：

Apache Atlas：Apache Atlas是一个开源的大数据元数据管理和数据治理平台，旨在帮助组织收集、整理和管理数据的元数据信息。它提供了丰富的元数据模型和搜索功能，可以与各种数据存储和处理平台集成。
LinkedIn DataHub：LinkedIn DataHub是LinkedIn开源的元数据搜索和发现平台。它提供了一个集中式的元数据存储库，用于管理和浏览各种类型的数据集和数据资产的元数据信息。
Amundsen：Amundsen是Lyft开源的数据发现和元数据管理平台。它提供了一个用户友好的界面，使用户可以搜索、浏览和贡献数据集的元数据信息。Amundsen还支持与其他数据工具和平台的集成。
Metacat：Metacat是Netflix开源的数据发现和元数据管理平台。它提供了一个统一的接口来查找和浏览各种数据集的元数据信息，并支持与其他数据工具和服务的集成。

这些开源元数据管理平台都提供了各种功能，如元数据存储、搜索、浏览、数据资产关系管理、数据血统跟踪等，帮助组织更好地管理和利用数据的元数据信息。

而今天我们要介绍的OpenMetadata，希望提供一种元数据的管理标准，来让我们更好的管理元数据。

二、OpenMetadata简介

OpenMetadata是一个用于数据发现、数据沿袭、数据质量、可观察性、治理和团队协作的一体化平台。它是发展最快的开源项目之一，拥有充满活力的社区，并被各行业垂直领域的众多公司采用。OpenMetadata 由基于开放元数据标准/API 的集中式元数据存储提供支持，支持各种数据服务的连接器，可实现端到端元数据管理，让您可以自由地释放数据资产的价值。

目前OpenMetadata在Github标星2.5k，并刚刚更新了1.1版本。

考虑部分同学网络问题，可在大数据流动后台回复“OpenMetadata1.1”进行源码和安装包下载，有效期一个月。

OpenMetadata 包括以下内容：

元数据模式- 使用类型、实体和实体之间关系的模式定义元数据的核心抽象和词汇。这是开放元数据标准的基础。还支持具有自定义属性的实体和类型的可扩展性。
元数据存储- 存储连接数据资产、用户和工具生成的元数据的元数据图。
元数据 API - 用于生成和使用基于用户界面模式以及工具、系统和服务集成构建的元数据。
摄取框架- 用于集成工具并将元数据摄取到元数据存储的可插入框架，支持大约 55 个连接器。摄取框架支持众所周知的数据仓库，如 Google BigQuery、Snowflake、Amazon Redshift 和 Apache Hive；MySQL、Postgres、Oracle 和 MSSQL 等数据库；Tableau、Superset 和 Metabase 等仪表板服务；消息服务，如 Kafka、Redpanda；以及 Airflow、Glue、Fivetran、Dagster 等管道服务。
OpenMetadata 用户界面- 用户发现所有数据并就所有数据进行协作的单一位置。

核心功能

数据协作- 通过活动源获取事件通知。使用 webhook 发送警报和通知。添加公告以通知团队即将发生的更改。添加任务以请求描述或术语表术语批准工作流程。添加用户提及并使用对话线程进行协作。
数据质量和分析器- 标准化测试和数据质量元数据。将相关测试分组为测试套件。支持自定义SQL数据质量测试。有一个交互式仪表板可以深入了解详细信息。
数据血缘- 支持丰富的列级沿袭。有效过滤查询以提取沿袭。根据需要手动编辑谱系，并使用无代码编辑器连接实体。
全面的角色和策略- 处理复杂的访问控制用例和分层团队。
连接器- 支持连接到各种数据库、仪表板、管道和消息传递服务的 55 个连接器。
术语表- 添加受控词汇来描述组织内的重要概念和术语。添加词汇表、术语、标签、描述和审阅者。
数据安全- 支持 Google、Okta、自定义 OIDC、Auth0、Azure、Amazon Cognito 和 OneLogin 作为 SSO 的身份提供商。此外，还支持 AWS SSO 和 Google 基于 SAML 的身份验证。

三、安装过程

主要使用Docker的安装方式，几分钟就可以搞定。

首先查看python版本。

python3 --version

需要python 3.7 3.8 3.9三个版本都可以。

查看docker版本。

docker --version

20.10.0或者更高的版本。

docker compose version

需要docker compose 2.1.1或者更高的版本。

建立文件夹

mkdir openmetadata-docker && cd openmetadata-docker

创建虚拟环境。

python3 -m venv env

虚拟环境生效。

source env/bin/activate

更新pip

pip3 install --upgrade pip setuptools

安装openmetadata

pip3 install --upgrade "openmetadata-ingestion[docker]"

确定安装成功

metadata docker --help

启动容器

metadata docker --start

启动postgre

metadata docker --start -db postgres

随后访问

 http://localhost:8585

成功！

四、功能演示

首页展示

多语言支持

概览页面

数据质量监控页

数据资产

业务术语表功能

一些数据源的配置。

未完待续~

更多大数据、数据治理、人工智能相关知识分享，请关注大数据流动。