Apache 软件基金会(ASF)官方维护的容器镜像仓库(Sponsored OSS)。涵盖 Superset、Spark、Airflow、Doris、Flink、Hadoop 等 400+ 开源项目,适用于大数据、数据可视化、工作流编排与实时分析等场景。 https://www.apache.org
开源数据可视化与 BI 平台,支持多数据源连接、拖拽式图表构建、SQL 实验室、告警与仪表盘分享。适合自助式数据分析、报表与可视化大屏。
统一大数据处理引擎,支持批处理、流处理、机器学习与图计算。提供 DataFrame/SQL、Streaming、MLlib 等 API,适合 ETL、实时计算与数据湖分析。
以代码定义、调度和监控工作流的平台。支持 DAG 编排、任务依赖、重试与监控,与多种数据源与执行器集成,适合 ETL、数据管道与运维自动化。
实时 OLAP 分析数据库,基于 MPP 架构,支持高并发查询、实时导入与 MySQL 协议兼容。适合实时报表、即席查询与日志分析。















使用 Superset 连接 Doris、Hive、MySQL 等数据源,构建仪表盘与自助分析能力。
组合 Spark、Flink 进行批处理与流处理,配合 Airflow 编排数据管道,Doris 提供实时查询。
使用 SeaTunnel、NiFi、DolphinScheduler 进行数据同步、ETL 与任务调度。
运营要周报大盘、产品要漏斗转化、老板要「打开浏览器就能看数」——很多团队会先把报表绑在商业 SaaS BI 上:按席位 / 按查询量计费,看板一多成本就上去;数据还得出境或落到第三方租户里,合规与安全评审往往过不了。退回 Excel / 本地透视表?又慢、难协作、版本满天飞,更谈不上统一口径与权限。于是「自己服务器上跑一套开源 BI」成了常见诉求。
业务看板要秒级刷新、运营要按用户/订单做多维下钻,用传统行存库扛聚合又慢又贵;把整仓扔公有云分析服务,又担心成本与数据出境——很多团队会把目光投向可自托管的实时数仓,Apache Doris 正是为此而生。
Apache IoTDB(Database for the Internet of Things)是一款专为物联网场景设计的原生时序数据库,具备高性能的数据管理与分析能力,可灵活部署于边缘设备与云端环境。其轻量级架构设计确保了在资源受限的边缘节点也能高效运行,同时通过与Apache Hadoop、Spark、Flink等大数据生态工具的深度集成,满足工业物联网领域中大规模数据存储、高速数据写入及复杂数据分析的核心需求。
Apache Flink® 是一个强大的开源分布式流处理与批处理框架,具备高吞吐、低延迟和强状态一致性等特性。通过 Docker 方式部署 Flink,可实现环境一致性、快速部署与简化运维,非常适合开发测试、POC 以及中小规模生产场景。 本文将详细介绍 如何使用 Docker 容器化部署 Apache Flink Session 集群,内容涵盖环境准备、镜像拉取、集群部署、功能验证、生产环境建议及常见故障排查,帮助你快速搭建一套稳定、可用的 Flink 运行环境。
RocketMQ Dashboard 是 Apache RocketMQ 的官方管理控制台,提供了对RocketMQ集群的可视化监控、配置管理、消息查询等核心功能。通过Docker容器化部署 RocketMQ Dashboard,可以快速实现环境一致性、简化部署流程并提高运维效率。本文将详细介绍如何通过Docker快速部署RocketMQ Dashboard,并提供生产环境配置建议及故障排查方法。
apache/* 镜像由 ASF 各项目官方维护,与上游源码、发布节奏保持一致,适用于生产环境与社区支持。第三方(如 Bitnami)可能增加预配置、集成或加固,部署更便捷但版本节奏可能不同。选择时需权衡:官方镜像更贴近上游,第三方镜像可能集成更多运维便利。
Superset 面向数据可视化与 BI,连接多种数据源后拖拽构建图表与仪表盘。Spark 面向大数据计算,处理批/流数据、ML 与图计算。Airflow 面向工作流编排,用 Python 定义 DAG,调度 ETL、数据管道等任务。三者可组合:Airflow 调度 Spark 作业,结果入库后由 Superset 展示。
Doris 与 StarRocks 同源,均支持 MySQL 协议、实时导入与 MPP 查询。ClickHouse 更侧重列存与聚合查询。Doris 在实时更新、物化视图、多表 Join 方面有优势,适合实时报表与即席分析;ClickHouse 在超大数据量聚合场景表现优异。可根据查询模式、实时性需求与生态集成情况选择。
建议:1) 关注各项目的安全公告与 Release Notes;2) 定期拉取最新 tag 或稳定版;3) 在 CI/CD 中集成漏洞扫描(Trivy、Docker Scout);4) 生产环境固定版本号,在测试环境验证后再升级。ASF 项目通常通过邮件列表与 GitHub 发布安全信息。
可按用途筛选:数据可视化选 superset;批流计算选 spark、flink;调度选 airflow、dolphinscheduler;OLAP 选 doris、druid;API 网关选 apisix;分布式追踪选 skywalking-oap-server、skywalking-ui。也可在 [Docker Hub apache 组织](https://hub.docker.com/u/apache) 或 [ASF 项目目录](https://www.apache.org/) 浏览完整列表。