kestra下載 - kestra原始碼下載

kestra

JAVA源碼

v0.20.6

下載

事件驅動的聲明式編排平台

點擊圖片即可在 4 分鐘內了解如何開始使用 Kestra。

？什麼是凱斯特拉？

Kestra 是一個開源的、事件驅動的編排平台，可以簡化計畫和事件驅動的工作流程。透過將基礎架構即程式碼最佳實踐引入資料、流程和微服務編排，您只需幾行 YAML 即可直接從 UI 建立可靠的工作流程。

主要特點：

一切皆程式碼且來自 UI：透過Git 版本控制整合將工作流程保持為程式碼，即使是從 UI 建置它們時也是如此。
事件驅動和規劃工作流程：透過簡單的trigger定義自動執行計劃和即時事件驅動工作流程。
聲明式 YAML 介面：使用內建程式碼編輯器中的簡單設定來定義工作流程。
豐富的插件生態系統：內建數百個插件，可從任何資料庫、雲端儲存或 API 中提取數據，並運行任何語言的腳本。
直覺的 UI 和程式碼編輯器：透過語法突出顯示、自動完成和即時語法驗證，直接從 UI 建立和視覺化工作流程。
可擴展：旨在處理數百萬個工作流程，具有高可用性和容錯能力。
版本控制友善：從內建程式碼編輯器編寫工作流程，並直接從 Kestra 將其推送到您首選的 Git 分支，從而實現 CI/CD 管道和版本控制系統的最佳實踐。
結構與彈性：透過命名空間、標籤、子流程、重試、逾時、錯誤處理、輸入、在 UI 中產生工件的輸出、變數、條件分支、進階調度、事件觸發器、回填、動態，馴服混亂並為您的工作流程帶來彈性任務、順序和並行任務，並在需要時透過將disabled標誌設為true來跳過任務或觸發器。

每當您從 UI 或透過 API 呼叫對工作流程進行變更時，YAML 定義都會自動調整。因此，編排邏輯始終在程式碼中以聲明方式進行管理，即使您以其他方式（UI、CI/CD、Terraform、API 呼叫）修改工作流程也是如此。

快速入門

嘗試現場演示

透過我們的現場演示嘗試 Kestra。無需安裝！

5 分鐘內即可在本地開始使用

在 Docker 中啟動 Kestra

確保 Docker 正在運行。然後，用單一指令啟動 Kestra：

docker run --pull=always --rm -it -p 8080:8080 --user=root 
  -v /var/run/docker.sock:/var/run/docker.sock 
  -v /tmp:/tmp kestra/kestra:latest server local

請參閱我們的安裝指南以了解其他部署選項（Docker Compose、Podman、Kubernetes、AWS、GCP、Azure 等）。

透過 http://localhost:8080 存取 Kestra UI 並開始建立您的第一個流程！

你的第一個 Hello World 流程

建立一個包含以下內容的新流程：

 id : hello_world
namespace : dev

tasks :
  - id : say_hello
    type : io.kestra.plugin.core.log.Log
    message : " Hello, World! "

運行流程並在 UI 中查看輸出！

？插件生態系統

Kestra 的功能透過豐富的插件生態系統進行了擴展，使您能夠在任何地方運行任務並使用任何語言編寫程式碼，包括 Python、Node.js、R、Go、Shell 等。以下是 Kestra 外掛程式如何增強您的工作流程：

隨處運行：
- 本機或遠端執行：透過 SSH 在本機電腦、遠端伺服器上執行任務，或使用任務執行程式擴展到無伺服器容器。
- Docker 和 Kubernetes 支援：在工作流程中無縫執行 Docker 容器或啟動 Kubernetes 作業來處理運算密集型工作負載。
任何語言的代碼：
- 腳本支援：用您喜歡的程式語言編寫腳本。 Kestra 支援 Python、Node.js、R、Go、Shell 等，讓您可以整合現有程式碼庫和部署模式。
- 靈活的自動化：執行 shell 命令，對各種資料庫執行 SQL 查詢，並發出 HTTP 請求與 API 互動。
事件驅動和即時處理：
- 即時觸發器：即時回應來自外部系統的事件，例如檔案到達、訊息總線中的新訊息（Kafka、Redis、Pulsar、AMQP、MQTT、NATS、AWS SQS、Google Pub/Sub、Azure 事件中心）），等等。
- 自訂事件：定義自訂事件以根據特定條件或外部訊號觸發流程，從而實現高度回應的工作流程。
雲端整合：
- AWS、Google Cloud、Azure：與各種雲端服務集成，與儲存解決方案、訊息系統、運算資源等互動。
- 大數據處理：使用 Apache Spark 等工具執行大數據處理任務，或與 Google BigQuery 等分析平台互動。
監控和通知：
- 隨時了解情況：向 Slack 頻道發送訊息、電子郵件通知或在 PagerDuty 中觸發警報，讓您的團隊隨時了解工作流程狀態。