Egeria 项目教程
2024-09-16 17:37:08作者:昌雅子Ethen
1. 项目目录结构及介绍
Egeria 项目的目录结构如下:
egeria/
├── docs/
├── open-metadata-implementation/
│ ├── access-services/
│ ├── admin-services/
│ ├── common-services/
│ ├── governance-servers/
│ ├── integration-services/
│ ├── server-chassis/
│ └── view-services/
├── open-metadata-resources/
│ ├── open-metadata-archives/
│ ├── open-metadata-samples/
│ └── open-metadata-tutorials/
├── open-metadata-test/
├── open-metadata-distribution/
├── open-metadata-conformance-suite/
├── open-metadata-publication/
└── pom.xml
目录结构介绍
- docs/:包含项目的文档文件,如用户指南、开发者指南等。
- open-metadata-implementation/:核心实现模块,包含各种服务和组件。
- access-services/:访问服务模块,提供与外部系统的交互接口。
- admin-services/:管理服务模块,负责服务器的配置和管理。
- common-services/:通用服务模块,提供共享的基础服务。
- governance-servers/:治理服务器模块,负责数据治理相关的功能。
- integration-services/:集成服务模块,用于与其他系统的集成。
- server-chassis/:服务器底盘模块,提供服务器的基础架构。
- view-services/:视图服务模块,提供用户界面相关的服务。
- open-metadata-resources/:资源模块,包含示例、教程和元数据档案。
- open-metadata-archives/:元数据档案模块,包含预定义的元数据档案。
- open-metadata-samples/:示例模块,提供各种示例代码。
- open-metadata-tutorials/:教程模块,包含各种教程文档。
- open-metadata-test/:测试模块,包含项目的测试代码。
- open-metadata-distribution/:分发模块,用于打包和分发项目。
- open-metadata-conformance-suite/:一致性测试套件模块,用于测试项目的合规性。
- open-metadata-publication/:发布模块,用于发布项目的文档和资源。
- pom.xml:Maven 项目配置文件,定义了项目的依赖和构建配置。
2. 项目启动文件介绍
Egeria 项目的启动文件主要位于 open-metadata-implementation/server-chassis/server-chassis-spring 目录下。主要的启动类是 org.odpi.openmetadata.serverchassis.springboot.OMAGServerPlatform。
启动类介绍
- OMAGServerPlatform.java:这是 Egeria 服务器平台的启动类。它使用 Spring Boot 框架来启动服务器,并加载配置文件以初始化各种服务。
启动步骤
-
编译项目:使用 Maven 编译项目,生成可执行的 JAR 文件。
mvn clean package -
启动服务器:使用生成的 JAR 文件启动服务器。
java -jar open-metadata-implementation/server-chassis/server-chassis-spring/target/server-chassis-spring-*.jar
3. 项目配置文件介绍
Egeria 项目的配置文件主要位于 open-metadata-implementation/admin-services/admin-services-api/src/main/resources 目录下。主要的配置文件是 omag.server.config。
配置文件介绍
- omag.server.config:这是 Egeria 服务器的配置文件,包含了服务器的各种配置项,如端口号、数据库连接、服务配置等。
配置项示例
# 服务器名称
serverName: "EgeriaServer"
# 服务器端口号
platformURLRoot: "http://localhost:8080"
# 数据库配置
database:
type: "in-memory"
connection:
url: "jdbc:h2:mem:testdb"
username: "sa"
password: ""
# 服务配置
services:
- name: "AssetConsumer"
enabled: true
- name: "AssetOwner"
enabled: true
- name: "CommunityProfile"
enabled: true
配置步骤
- 编辑配置文件:根据实际需求编辑
omag.server.config文件。 - 启动服务器:使用编辑后的配置文件启动服务器。
通过以上步骤,您可以成功启动并配置 Egeria 项目。
登录后查看全文
热门项目推荐
相关项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
522
3.71 K
Ascend Extension for PyTorch
Python
327
384
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
875
576
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
334
161
暂无简介
Dart
762
184
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.32 K
744
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
React Native鸿蒙化仓库
JavaScript
302
349
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
112
134