01 前言
近年来，随着互联网技术的发展，数据早已成为各行业的生命源泉，数据管理的重要性不言而喻。日前，在「巨杉最具价值专家」技术交流会中，北京傲飞商智软件有限公司CEO初建军老师（ jianjunchu@apache.org）对Apache Hop基于web的可视化流式批处理平台主题进行了详细的讲解。
02 什么是Apache Hop
Apache Hop是Hop Orchestration Platform的缩写。它完全用Java编写，旨在提供广泛的数据编排工具，包括可视化开发环境，服务器，元数据分析，审计服务等。作为一个平台，Hop还希望成为一个可重复使用的库，以便可以被其他软件轻松地重复使用。
Hop起源于Kettle, Kettle 作为一款国外开源的 ETL 工具，抽取数据高效稳定，在执行ETL工具、ETL数据抽取转换等批任务时，使用频率较高。近几年，国内包括电信、金融、银行在内的各行业都使用 Kettle 作为数据处理工具。但是由于各种因素，Kettle近几年的发展还是较为缓慢，为了改变现况，从今年2月份开始，Kettle 社区在Kettle 8.2的基础上建立了一个分支，Hop就是从这个分支建立的新项目，2020年9月份，Hop正式加入Apache，成为Apache的孵化项目。
03 Hop与Kettle的区别
由于Hop源于Kettle，所以Hop的概念与Kettle十分相似。Kettle中的转换、步骤、作业、作业项等在Hop里面都有相对应的名称，如下表所示，转换在Hop中对应的是pipeline，pipeline起源于Apache的beam，Hop和beam结合较为紧密，甚至可以理解为Hop就是beam的一个界面工具。下表为Hop 和 Kettle 的命名区别：
Hop 和 Kettle 的功能区别如下表，在功能上，因为Kettle对项目配置的管理还有待加强，它只能设计和执行作业、转换工作，却不能组织作业、转换并按照项目进行划分。另外 Kettle对于生命周期的管理也有待提升，它缺失了ETL作业从开发环境到测试环境再到生产环境中不同配置文件的搭配。而Hop则在这些方面更加系统化、工程化，在Hop中，可以通过创建工程，从而在工程里可以设计作业、转换以及配置对应的周期和环境。除此之外，Hop也增加了对ETL元数据的管理，Hop可以抽取出每一个转换或者步骤的元数据，从而实现设计和执行引擎的分离。其中的原理是Hop使用Apach Beam提供的统一开发模型，利用Beam将Hop 设计的pipelines发布到Kettle本地引擎或发布到 Spark、Flink等流处理引擎上执行。
另外Hop 提供了WebSpoon 设计端，可以在Web 上设计ETL 流程。
04 Hop的发展现况与目标
目前，Hop项目已开发到0.3版本，基本上已属于可执行状态，只是距离实际运用还有一些距离，插件的开发、代码测试、文档等工作还在不断优化中。
Hop项目的近期目标是开发更多的插件、转移SWT项目至WebSpoon、进行测试、变量和参数的管理等。Hop增加对 Git的支持，过去Kettle 的作业和转换皆存储在数据库资源库或文件资源库中，而Hop则不再打算使用这个方式，转而用git版本控制系统来管理转换和作业文件，便于作业的版本管理。
Hop 项目的地址如下，欢迎关注Hop 项目的发展，并提出您的意见。
https://github.com/apache/incubator-hop
