Project Icon

bento

灵活高效的流处理工具 支持多源多目标数据连接

Bento是一个高性能的流处理工具,可连接多种数据源和目标。它支持多种中介模式,能对数据进行处理和转换。Bento提供强大的映射语言,易于部署和监控。它可作为二进制文件、Docker镜像或无服务器函数使用,适配多种云服务和数据系统。Bento保证至少一次的数据传输,并提供健康检查、指标监控和分布式追踪功能。

Bento

warpstreamlabs/bento的godoc 构建状态 文档网站 Discord Slack

Bento是一个高性能且具有弹性的流处理器,能够以各种代理模式连接各种接收器,并对有效载荷执行水合、丰富、转换和过滤操作。

它配备了强大的映射语言,易于部署和监控,并可以作为静态二进制文件、Docker镜像或无服务器函数轻松集成到您的管道中,使其具有极高的云原生特性。

Bento采用声明式方式,可以仅用一个配置文件定义流管道,让您能够指定连接器和处理阶段列表:

input:
  gcp_pubsub:
    project: foo
    subscription: bar

pipeline:
  processors:
    - mapping: |
        root.message = this
        root.meta.link_count = this.links.length()
        root.user.age = this.user.age.number()

output:
  redis_streams:
    url: tcp://TODO:6379
    stream: baz
    max_in_flight: 20

传输保证

传输保证可能是一个棘手的问题。Bento使用进程内事务模型处理和确认消息,无需任何磁盘持久化状态,因此在连接至少一次源和接收器时,即使发生崩溃、磁盘损坏或其他意外服务器故障,它也能保证至少一次传输。

这种行为是默认的,且没有任何限制,这也使得部署和扩展Bento变得更加简单。

支持的源和接收器

AWS(DynamoDB、Kinesis、S3、SQS、SNS)、Azure(Blob存储、队列存储、表存储)、GCP(Pub/Sub、云存储、Big Query)、Kafka、NATS(JetStream、流式处理)、NSQ、MQTT、AMQP 0.91(RabbitMQ)、AMQP 1、Redis(流、列表、发布/订阅、哈希)、Cassandra、Elasticsearch、HDFS、HTTP(服务器和客户端,包括WebSocket)、MongoDB、SQL(MySQL、PostgreSQL、Clickhouse、MSSQL),以及点击此处查看全部,因为它们太多无法在README中全部列出

我们正在不断添加新的连接器,如果您需要的某个连接器尚未支持,请提交一个issue

文档

如果你想完全深入了解Bento,那就不要浪费时间在这里,请查看文档网站。 关于如何配置更高级的流处理概念,如流连接、数据丰富工作流等,请查看指南部分。 如果你想用Go语言构建自己的自定义插件,请查看公共API

安装

我们正在完善发布流程,但您可以选择从源代码编译或拉取Docker镜像:

docker pull ghcr.io/warpstreamlabs/bento

欲了解更多信息,请查看入门指南

运行

bento -c ./config.yaml

或者,使用Docker:

# 使用配置文件
docker run --rm -v /path/to/your/config.yaml:/bento.yaml ghcr.io/warpstreamlabs/bento

# 使用一系列 -s 标志
docker run --rm -p 4195:4195 ghcr.io/warpstreamlabs/bento \
-s "input.type=http_server" \
-s "output.type=kafka" \
-s "output.kafka.addresses=kafka-server:9092" \
-s "output.kafka.topic=bento_topic"

监控

健康检查

Bento 提供两个 HTTP 端点用于健康检查:

  • /ping 可用作存活探针,它始终返回 200 状态码。
  • /ready 可用作就绪探针,只有当输入和输出都已连接时才会返回 200 状态码,否则返回 503 状态码。

指标

Bento 暴露了大量指标,可以输出到 Statsd、Prometheus、JSON HTTP 端点等多种方式

追踪

Bento 还发出开放遥测追踪事件,可用于可视化管道内的处理器。

配置

Bento提供了许多工具,使配置的发现、调试和组织变得容易。您可以在此处阅读相关内容

构建

使用 Go 构建(任何当前支持的版本):

git clone git@github.com:warpstreamlabs/bento
cd bento
make
go build -o bento ./cmd/bento/main.go

代码检查

Bento 使用 golangci-lint 进行代码检查,您可以通过以下命令安装:

curl -sSfL https://raw.githubusercontent.com/golangci/golangci-lint/master/install.sh | sh -s -- -b $(go env GOPATH)/bin

安装完成后,可以使用 make lint 命令运行代码检查。

插件

用Go语言为Bento编写自定义插件非常简单,如需了解更多信息,请查看API文档

额外插件

默认情况下,Bento 不会构建需要链接外部库的组件,例如 zmq4 输入和输出。如果你希望在本地构建包含这些依赖项的 Bento,请设置构建标签 x_bento_extra

# 使用 go
go install -tags "x_bento_extra" github.com/warpstreamlabs/bento/cmd/bento@latest

# 使用 make
make TAGS=x_bento_extra

请注意,此标签可能会在主要版本发布之外发生变更或被拆分为单个组件的细粒度标签。如果你尝试构建时这些依赖项不存在,你会看到类似 ld: library not found for -lzmq 的错误消息。

Docker 构建

这里有一个多阶段的 Dockerfile 用于创建一个从零开始的最小化 Bento docker 镜像。你可以通过以下命令构建它:

make docker

然后使用该镜像:

docker run --rm \
-v /path/to/your/bento.yaml:/config.yaml \
-v /tmp/data:/data \
-p 4195:4195 \
bento -c /config.yaml

贡献

欢迎贡献,请阅读指南,加入聊天(链接在社区页面上),并保持警惕。

项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号