python工作流引擎框架 分布式工作流引擎

跨部门跨系统的业务流程管理:跨职能业务流程

业务流程是由一组相互协调、有序关联的步骤构成的活动链条，用以达到某种业务目标。流程与 简单活动之间的区别在于：流程中的各个步骤需要 不同的人员和系统来完成，还需要各个步骤之间流转的控制与数据。

部门间相互监督 比信息流动影响力更大的跨部门责任是说服，它是防止业务流程之间脱节的一种重要方法。监督说服的一种形式是监督。

业务流程图包括跨职能流程图和跨系统流程图等。

工作流引擎哪家好?

1、JBPM（Java Business Process Management）：JAVA业务流程管理，是一个可扩展、灵活、开源的流程引擎， 它可以运行在独立的服务器上或者嵌入任何Java应用中。

2、国内J2ee开发体系的比较多，支持.net的据我所知是两家，一家是k2，另一家是广州天翎。

3、具有先天的优势，在这点看来，使用jbpmn更好。而jbpm采用的是LGPL开源协议，Activiti采用了宽松的Apache License0协议，从开源的角度来说，使用Activiti更好。参考自《疯狂工作流讲义第2版（Activiti6）》第1章。

4、说到工作流那就不得不说BPM，20世纪90年代，Michael Hammer和James Champy的成名之作《公司再造》一书在全美公司领域引发了一股有关业务流程改进的汹涌浪潮。

Hadoop软件处理框架

Hadoop是一个能够对大量数据进行分布式处理的软件框架。但是Hadoop是以一种可靠、高效、可伸缩的方式进行处理的。Hadoop是可靠的，因为它假设计算元素和存储会失败，因此它维护多个工作数据副本，确保能够针对失败的节点重新分布处理。

hive是hadoop的延申。hadoop是一个分布式的软件处理框架，hive是一个提供了查询功能的数据仓库，而hadoop底层的hdfs为hive提供了数据存储。hive将用户提交的SQL解析成mapreduce任务供hadoop直接运行，结合两者的优势，进行数据决策。

MapReduce框架可以自动管理任务的调度、容错、负载均衡等问题，使得Hadoop可以高效地运行大规模数据处理任务。YARN是Hadoop 0引入的新一代资源管理器，用于管理Hadoop集群中的计算资源。

Hadoop的框架最核心的设计就是：HDFS和MapReduce。HDFS为海量的数据提供了存储，而MapReduce则为海量的数据提供了计算。

大数据核心技术有哪些

1、大数据技术的核心技术是：在大数据产业中，主要的工作环节包括：大数据采集、大数据预处理、大数据存储和管理、大数据分析和大数据显示和应用的挖掘（大数据检索、大数据可视化、大数据应用、大数据安全性等）。

2、大数据技术包括数据收集、数据存取、基础架构、数据处理、统计分析、数据挖掘、模型预测、结果呈现。数据收集：在大数据的生命周期中，数据采集处于第一个环节。

3、大数据处理关键技术一般包括：大数据采集、大数据预处理、大数据存储及管理、大数据分析及挖掘、大数据展现和应用(大数据检索、大数据可视化、大数据应用、大数据安全等)。

4、“大数据”的核心：整理、分析、预测、控制。重点并不是我们拥有了多少数据，而是我们拿数据去做了什么。如果只是堆积在某个地方，数据是毫无用处的。它的价值在于“使用性”，而不是数量和存储的地方。

5、想要成为炙手可热的大数据技术人才，这些大数据的核心技术一定要知晓！大数据基础阶段 大数据基础阶段需掌握的技术有：Linux、Docker、KVM、MySQL基础、Oracle基础、MongoDB、redis以及hadoop mapreduce hdfs yarn等。