简介
Spring XD（eXtreme Data，极限数据）是Pivotal的大数据产品。它结合了Spring Boot和Grails，组成Spring IO平台的执行部分。尽管Spring XD利用了大量现存的Spring项目，但它是一种运行时环境，而不是一个类库或者框架，它包含带有服务器的bin目录，你可以通过命令行启动并与之交互。运行时可以运行在开发机上、客户端自己的服务器上、AWS EC2上或者Cloud Foundry上。
Spring XD中的关键组件是管理和容器服务器（Admin and Container Servers）。使用一种DSL，你可以把所需处理任务的描述通过HTTP提交给管理服务器。然后管理服务器会把处理的任务映射到处理模块（每个模块都是一个执行单元，作为Spring应用程序上下文实现）中。
该产品具有两种操作模式：-single和multi-node。第一种是由单独的进程负责所有处理和管理的工作。这对于入门很有用，同样适合于应用程序的快速开发和测试。本文中的所有实例都被设计为在单一节点模式下工作。第二种是一种分布式模式。分布式集成运行时（Distributed Integration Runtime，DIRT）会在多个节点之间分发处理的任务。除了可以拥有VM或者物理服务器作为这些节点之外，Spring XD还让你可以在Hadoop YARN集群上运行。
XD管理服务器会把处理的任务切分成彼此独立的模块定义，并把每个模块分配给使用Apache ZooKeeper的容器实例。每个容器都会监听分配给它的模块定义，然后部署模块，创建Spring应用程序上下文来运行它。需要注意的是，在我撰写这篇文章的时候，Spring XD中还不会自带Zookeeper。兼容的版本是3.4.6，你可以从这里下载。
模块通过使用配置好的消息中间件传递消息来共享数据。传输层是可插拔的，并且支持其他两种Pivotal项目——Redis和Rabbit MQ——以及现成可用的内存数据库。
用例
下图让你可以对Spring XD有个总体上的了解。
Spring XD团队认为，对于创建大数据解决方案来说，创建的主要用例有四种：数据吸纳、实时分析、工作流调度以及导出。
数据吸纳提供了一种能力，可以从各种输入源接收数据，并把它传输给大数据存储库，像HDFS（Hadoop文件系统）、Splunk或者MPP数据库。和文件一样，数据源可能包括来自于移动设备、支持MQ遥感传输协议（MQTT）的传感器以及像Twitter之类的社交流的事件。
吸纳过程会贯穿事件驱动数据的处理，以及针对其他类型数据的批处理（MR、PIG、Hive、Cascading、SQL等等）。流和作业的两个世界截然不同，但是Spring XD试图使用通道抽象（channel abstraction）来模糊二者之间的边界，从而让流可以触发批处理作业，而批处理作业也可以发送事件从而触发其他流。
对于流来说，会通过叫做“Taps”的抽象来支持某些实时分析，像获取指标和计数值。从概念上，Taps让你可以介入到流中，执行实时分析，并有选择地为外部系统生成数据，像GemFire、Redis或者其他内存数据网格。
一旦你在大数据仓库中拥有数据，那么就需要某种工作流工具来对处理进行调度。调度非常必要，因为你编写的脚本或者map-reduce作业通常会长时间运行，并采用带有多个步骤的事件链的方式。理想状况下，你需要在事件失败的时候，能够从特定的步骤重新启动，而不是完全从头来过。
最后还需要导出步骤，从而把数据放到更适合展现的系统中，可能还会做进一步的分析。例如从HDFS到RDBMS（关系型数据库管理系统），在那里你可以使用更为传统的商业智能工具。
Spring XD想要提供一种统一、分布式和可扩展的服务来满足这些用例。它没有从头开始，而是利用了大量已经存在的Spring技术。例如，它使用了Spring Batch来支持工作流调度和导出用例，使用Spring Integration来支持流处理，此外还使用了各种各样的企业应用程序集成模式。其他关键的Spring产品包括：使用Spring Data处理NoSQL/Hadoop工作，使用Reactor为编写异步程序提供简化的API，特别是在使用LMAX Disruptor的时候。
安装Spring XD
在接下来的部分，我们会详细看一下每个用例。你可能想要自己来试验一下这些例子。起步非常简单。
为了开始，你要确保系统至少安装了Java JDK 6或者更新的版本。我推荐使用Java JDK 7。
对于OSX用户，如果还没有Homebrew的话，请安装，然后运行：