【亲测免费】 Apache Amoro(孵化中)安装与使用指南
目录结构及介绍
当你成功克隆或下载了Apache Amoro项目后,你会看到如下所示的目录结构:
amoro/
├── amoro-ams # Amoro管理服务模块
│ ├── amoro-ams-api # Ams Thrift API和通用接口
│ ├── amoro-ams-dashboard # Ams仪表板前端
│ └── amoro-ams-server # Ams后端服务器
├── amoro-core # 核心抽象和其他模块的公共实现
├── amoro-mixed-format # 提供Mixed格式实现
│ ├── amoro-mixed-format-hive # 集成Apache Hive并实施Mixed Hive格式
│ ├── amoro-mixed-format-flink # 为Flink提供Mixed格式表连接器
│ └── amoro-mixed-format-spark # 为Spark提供Mixed格式表连接器
├── charts # Helm图表用于部署Kubernetes
├── dev # 开发相关文件
├── docker # Docker相关文件
├── docs # 文档
├── licenses-binary # 二进制许可证文件
├── tools # 工具脚本
├── .gitignore # Git忽略规则
├── CONTRIBUTING.md # 贡献者指南
├── DISCLAIMER # 免责声明
├── LICENSE # 许可证
├── LICENSE-binary # 二进制许可证
├── NOTICES # 版权通知
├── NOTICE-binary # 二进制版权通知
├── README.md # 主读我文件
├── pom.xml # Maven构建配置
└── ...
amoro-ams: 管理服务模块包含了Amoro的核心功能和服务。amoro-core: 包含其他模块的通用核心实现逻辑。amoro-mixed-format: 支持多种存储格式的模块。
启动文件介绍
在Amoro的主目录下,并没有直接可以运行的服务端点或者应用入口点,这是因为Amoro本身是设计为一个高度模块化和可扩展的系统,它的各部分组件可以通过Maven进行编译打包,然后在相应的环境中启动。以下是一些关键的启动指令:
Maven构建命令
-
构建所有模块(除了
amoro-mixed-format-trino)mvn clean package -
构建并跳过测试
mvn clean package -DskipTests -
构建并跳过仪表板编译
mvn clean package -Pskip-dashboard-build -
构建并禁用磁盘存储RocksDB以避免内存溢出
mvn clean package -DskipTests -Pno-extented-disk-storage -
使用Hadoop 2.x依赖项构建(默认为3.x)
mvn clean package -DskipTests -Phadoop2 -
指定Flink版本用于优化器
mvn clean package -DskipTests -Dflink-optimizer-version=1.18.1
这些构建完成后,你可以通过查看各个模块下的target目录来找到构建后的可执行文件或包。
配置文件介绍
Amoro的大部分配置都发生在其不同模块内部,在构建和运行特定组件时,可以通过传递环境变量或者修改代码中的默认设置来进行微调。例如,对于amoro-ams-server模块,它可能会有自身的属性文件如application.properties或者application.yml用来定义服务地址、端口等参数。
由于Amoro的设计原则之一是在分布式环境中灵活适应,因此它的配置方式可能更加倾向于动态配置中心或者环境变量注入的方式,具体可以在项目的文档和源代码注释中查找详细的信息。
为了确保正确地启动和运行每个组件,建议参考各个子模块的详细文档,通常这些文档会被放在对应的docs目录下,或者是项目的GitHub仓库Readme中提供的链接。对于复杂的生产环境部署,还应关注Amoro提供的Helm Charts,这将帮助你在Kubernetes集群上更容易地部署和管理整个Amoro系统。
以上就是关于Apache Amoro项目的目录结构、启动文件以及配置文件的大致说明,希望对你的使用带来便利。如果有更详细的配置需求或者其他技术问题,欢迎进一步查阅项目文档或参与社区讨论。
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
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!Kotlin08
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