容器化设计可以很好地屏蔽操作系统细节，提高隔离性，并在构建过程中提前安装依赖的外部环境和工具，从而使得后续的服务可以在不同的服务器环境中运行。
在研究Hadoop on Kubernetes时，我们采用了helm完成了服务依赖顺序、配置关联影响和容器编排等工作。我们还整合了Doris（多Fe多Be）、DolphinScheduler、Kyuubi和Spark等服务，并实现了使用一句helm install命令即可正确启动这些相互依赖的服务。
在使用helm + Kubernetes 来部署管理大数据集群过程中，我们发现这种方法大大减少了部署时间，提高了部署大数据集群的成功率。然而，运维管理的体验不尽人意，因为使用通用型Kubernetes的管理工具来管理大数据服务是不容易的，这需要开发者掌握Pod、Service、Configmap等知识。
对于习惯使用类似Ambari、CM这样的平台的大数据工程师来说，学习成本还是太高了。因此，我们开发了CloudEon，并将其开源。
CloudEon致力于将大数据服务迁移到云上，并帮助大数据生态组件更好地与云原生相融合。
CloudEon致力于将大数据服务迁移到云上，并帮助大数据生态组件更好地与云原生相融合。
CloudEon是一个轻量级应用，没有采用server-agent架构，本质上只是一个Kubernetes的客户端，负责将用户的操作转换为Kubernetes的资源或指令。例如，它可以调度一个大数据服务启动（如Doris）、停止某个服务角色（Dori Be）或让某个服务挂掉后自动拉起，这些都是由Kubernetes自行调度完成的。 由于CloudEon只是一个单体应用，安装部署非常简单。
虽然CloudEon是架设在Kubernetes上的，但它帮助用户屏蔽了底层和Kubernetes打交道的细节，提供了与常规大数据管理平台相似的用户操作体验。因此，大数据工程师可以更容易地融入云原生生态中。
Cloudeon设计了一套大数据组件包的管理模板，包括元数据声明、告警规则定义、配置定义、容器镜像构建和打包、Kubernetes资源文件定义等等。理论上，只要按照这套模板注册，可以拓展大数据生态的所有组件。