openLooKeng,让大数据更简单

Why openLooKeng?

极简数据分析体验

统一的SQL接口访问多种数据源

支持跨数据中心、跨云数据源分析

灵活、易扩展

可以通过增加Connector来增加数据源

采集变连接、数据零搬迁

高可靠

全 Active/Active 架构,业务零中断

博客

  • 体验驱动开源 | openLooKeng,我们玩儿点不一样的!

    王一婷, 子欣 | August 1, 2020

    转载自:https://mp.weixin.qq.com/s/b78BAXwShQ4I2Yh1TEjApg 开源,是越来越多企业推动创新的合作方式 有很多成功的开源社区已被众人熟知,如Apache, Linux, OpenStack, Kubernetes等。这些社区不仅在技术上各有所长,在设计上也有其独到之处。如何将一个全新发布的开源社区做出自己的特色呢? 本文将讲述openLooKeng开源社区的体验设计故事。 开源软件研发团队聚焦于开发出优秀的软件,如何展示的工作就留给体验团队发挥了。如果不加设计而在界面上简单粗暴地呈现信息,很可能就会将潜在的社区贡献者挡在了进入网站的第一步。 为给开发者带来更好的体验,计算产品客户体验团队构筑了一套全新的设计语言,在网站设计的方方面面时刻关注用户的期望值与参与感,以打造极致的开源社区用户体验。 「 美好体验 」从第一眼开始 一改大多技术网站以文本为主的高冷印象,openLooKeng网站在设计时,结合用户场景,创作了一系列明快时尚的艺术插画,并搭配亲切友好的引导话术,为用户带来耳目一新的视觉冲击,给社区营造了开放、轻松、活跃的氛围。 通过从用户思维出发的引导话术,调动用户的积极性,鼓励用户参与社区建设。 为了让社区用户一进入网站就有一种亲切感,在创作插画前,体验团队对用户进行了深入的画像分析,按用户特征设计了一个个鲜活的插画角色。并结合使用场景,对插画进行深度定制。 基于用户画像、使用场景定制的风格插画;贴合用户思维、鼓励用户参与的引导话术;可以连接视觉直感和内容呈现,让美好体验,从进入openLooKeng社区的第一眼开始。 「 信息传达 」用懂你的方式 为了清晰全面地向用户传达信息,社区贡献指南往往以大篇幅文字的形式存在。虽事无巨细,但需要用户花大量时间去阅读消化,难免枯燥和低效。 初期的贡献引导是一篇超千字的纯文本指南,为避免大段文字带来的不友好体验,体验团队将长篇文章拆分、精简成清晰明了的6个步骤,以流程图展示出来,让用户可以轻松快速地开始社区贡献。 信息传达,同时也是与用户进行情感互动,不是“你听我说”而是“我讲给你听”,体验团队希望用一种“懂你”的姿态,不仅实现准确传达信息的功能,还能感知并满足用户的内在情感和心理需求。 基于用户真实的使用场景,尽可能简化体验旅程,在帮助用户高效完成任务的同时,让其保持愉悦感,获得成就感。 「 核心技术 」最生动地呈现 产品与众不同的核心亮点是大多数技术网站都想重点展示的信息,常见做法是罗列技术参数或使用文字讲述,但技术语言门槛较高、大段文本阅读疲劳,很难给用户留下深刻印象。 为了高效、准确、有趣地传达openLooKeng的三大核心特性,体验团队在与研发团队反复讨论后,精心设计了三个不超过一分钟的小视频,将复杂的技术架构化成简单的动画分镜,生动形象地展示了openLooKeng的实用价值: 文字存在一定局限性,“一千个人眼里有一千个哈姆雷特”。而视频让内容具像化,更容易打破文化和语言隔阂,更广阔地传递信息。 网站上线后,特性视频收到了热烈反响:截止到目前为止,单个视频在一日内的观赏量就直逼3000次,反映了比起传统纯文本阅读的体验、用户对于这种创新社区体验的喜爱与支持。 在产品内容越来越同质化的背景下,用户体验设计的重要性不言而喻。计算产品客户体验团队不仅关注网站界面的设计,也更重视用户使用社区时的内在情感和心理需求。 当开源社区遇到体验设计,当极简数据平台与艺术性、人性化相结合,给用户带来的将是一场别开生面、赏心悦目的开源之旅。 优秀的开源项目需要优秀的开发者,优秀的开发者需要优秀的社区平台。计算产品客户体验团队将不断更新迭代openLooKeng社区,并持续推动更多优秀开源社区的体验升级。

  • openLooKeng初体验-单节点自动安装

    cmwenxin | July 3, 2020

    来源:https://blog.csdn.net/cmwenxin1992/article/details/107094914 openLooKeng初体验-单节点自动安装 今天浏览新闻时看到华为近期开源了一款名为openLooKeng数据虚拟化引擎。正好最近在研究跨源跨域异构数据分析的问题,于是便继续了解了一下。访问其官方网站 感觉页面风格做得还挺简洁清爽。阅读了一些概念和简介,大概七七八八了解了个轮廓。 然后顺着首页quick start 指导,我准备动手实践一下。 我的环境 根据文档说明,仅仅只要一台linux 环境,内存大于4G即可,于是我就用了我自己的公有云机器: 安装和使用 在linux命令行窗口执行: wget -O - https://download.openlookeng.io/install.sh|bash 从脚本运行日志来看,脚本应该是自动做了一些环境检查,并自动从下载了openLooKeng的安装包和依赖包。接着又自动下载了安装包并部署到环境上。此外,从下图可以看到脚本帮我创建了一个名为openlkadmin的用户,用于管理openLooKeng服务的。这点值得表扬。可以很好地避免了用root 用户来操作一切。 过了一会儿,日志显示部署成功了。如下图: 总体感觉安装很顺畅,整个过程我并没有做任何操作。不过也吐槽一下,中间有有一个环节卡了一会儿,我估计是在下载openLooKeng的安装,整个过程没有任何信息输出,我还以为部署脚本卡住了。好在过了一分钟后脚本继续往下走了。 估计是我网络导致下载缓慢的缘故吧。 安装结束时,脚本提示它已自动将openLooKeng的服务运行起来了, 并提示可以运行运行cli 来连接openLooKeng。 照着部署结束的提示,运行如下命令: /opt/openlookeng/bin/openlk-cli 可以看到openlk-cl 连接到了localhost 的8090 端口,通过简单的查询可以看到系统已经内置了几个数据源: system, memory, tpcds, tpch 进一步看tpdcs下有哪些数据表: show tables from tpcds.sf100 从表名字来看,就是标准的tpcds benchmark 的测试数据了。不管三七二十一,先看看数据量大小: 对比结果比较明了,sf后缀的数值越大,数据量也越大。 顺手我就跑了几个tpcds标准的查询。 先从数据量小的跑一个吧: use tpcds.sf1; select dt.d_year , item.i_brand_id brand_id , item.i_brand brand , sum(ss_ext_sales_price) sum_agg from date_dim dt , store_sales , item where dt.d_date_sk = store_sales.ss_sold_date_sk and store_sales.

更多...

新闻

  • "Tryme" 正式上线

    Michael Li | August 28, 2020

    现在openLooKeng提供了Tryme功能,您可以自己尝试使用和体验openLooKeng。Tryme功能可以为您分配一个预装有示例数据的小型openLooKeng试用集群,并配置了一些公共数据集。

  • 华为正式开源数据虚拟化引擎openLooKeng

    HUAWEI | July 1, 2020

    华为正式宣布开源数据虚拟化引擎openLooKeng,开源社区官网同步上线。openLooKeng致力于为大数据用户提供极简的数据分析体验,让用户像使用“数据库”一样使用“大数据”。

更多...