无论您是在家、办公室还是在途中，连接已成为常态。它是我们日常生活中的一部分，我们都已习以为常并依赖于它。人与信息之间的连接完全关乎数据的移动和分析：数据提供见解，而这些见解必须越来越多地向用户提供即时结果。这种始终在线、始终可用的连接性带来了诸多挑战。数据类型、格式和数量都是动态的，产生数据的代理也是如此。

Spring XD 在统一平台中解决了这些众多挑战。无论是通过持续的数据流还是基于计划的数据移动，Spring XD 都提供了端到端的数据管道功能，可以按需消费、处理、分析和存储数据。

随着 1.1 GA 版本的发布，Spring XD 通过添加对项目Reactor、RxJava和Spark Streaming的支持来适应功能流处理。除了当前的 Spring Batch 和基于 Hadoop 的作业（MR/Hive/Pig）之外，我们还添加了对Sqoop和Spark批处理作业的支持。认识到 Python 在大数据应用中的重要性，我们还添加了 Python 处理器和接收器模块以与 Spring XD 流集成。这使用户能够为用例选择合适的工具，从而能够利用原生 API 构建复杂的数据处理管道。

与其他流处理框架不同，Spring XD 的 DSL（领域特定语言）消除了编码需求。忘记设置项目、IDE、构建脚本或打包，而是使用高级配置 DSL。Spring XD 团队继续专注于开发人员的生产力，为平台带来了众多开发人员友好的附加组件和示例。流（管道中的一系列处理单元）可以通过 DSL 进行编排。内置的 Admin UI 可用于远程监控和管理流、批处理作业和集群。

Spring XD 1.1 GA 提供了数千种开箱即用的数据管道组合，无需任何编码。与其他流处理框架不同，此功能由企业信赖的 Spring Integration 项目提供支持，该项目被认为是新兴标准和市场份额领导者。

Spring XD 的核心构建于易于扩展的支持之上。1.1 GA 版本为开发和贡献自定义模块提供了一种新方法。由于 Spring Boot 的模块打包插件，您现在可以选择 Maven 或 Gradle 来打包您的自定义模块。通过包含自定义模块所需的依赖项，您可以通过 REST API 部署打包的 uber-jar。这不需要您关闭运行时，也不需要担心当前运行的管道。REST API 简化了贡献，因为已安装的自定义模块立即可用并准备使用。

由于其可插拔架构，Spring XD 继续与框架集成，以简化大数据应用程序的开发。在此最新版本中，您可以从 Kafka 主题（源适配器）中获取数据或写入 Kafka 主题（接收器适配器），还可以将 Kafka 作为消息总线插入。这允许 Spring XD 处理编排，使您能够专注于业务逻辑。

凭借我们对新的Kafka 客户端 API的全新理解，用户现在可以选择新的选项，例如在流级别进行分区、控制偏移量、批处理和可靠的数据重新处理。

1.1 GA 版本还集成了 Spark，这是一个顶级 Apache 项目。通过使用开箱即用的 Spark 作为批处理作业或 Spark Streaming 作为处理器模块，您可以使用原生 Spark API 创建数据管道。对于已经使用 Spark 的人来说，这是一种熟悉的开发体验。同时，任何 Spark 新手都可以立即利用数十个输入和输出适配器，使用模块化和分布式容错运行时，并专注于业务需求。为了解决单点故障问题，Spring XD 通过重新启动 Spark Streaming 驱动程序来从故障场景中恢复，从而提供了附加值。

随着 Spring XD 1.1 GA 的发布，开发大数据应用程序不再需要耗时且复杂。我们使用 Spring XD 的目标是消除应用程序开发和大数据之间的障碍，缩短从数据摄取到洞察的周转时间，从而实现真正的数据驱动应用程序。在未来的版本中，我们将继续提高开发人员的生产力，同时保留 Spring XD 作为开放且可扩展运行时的核心。