Atlas 2.1.0 实践（1）—— 编译Atlas
为什么要做数据治理？业务繁多，数据繁多，业务数据不断迭代。人员流动，文档不全，逻辑不清楚，对于数据很难直观理解，后期很难维护。
在大数据研发中，原始数据就有着非常多的数据库，数据表。
而经过数据的聚合以后，又会有很多的维度表。如果想要对这些数据做好管理，光用文字、文档等东西是不够的，必须用图。
数据治理方案技术调研 Atlas VS Datahub VS Amundsen
数据治理意义重大，传统的数据治理采用文档的形式进行管理，已经无法满足大数据下的数据治理需要。而适合于Hadoop大数据生态体系的数据治理就非常的重要了。
大数据下的数据治理作为很多企业的一个巨大的难题，能找到的数据的解决方案并不多，但是好在近几年，很多公司已经进行了尝试并开源了出来，本文将详细分析这些数据发现平台，在国外已经有了十几种的实现方案。
markdown 替代品 asciidoc 介绍
AsciiDoc，它的设计初衷就是为了解决写书规模的问题，并且是 O’Reilly 的在线出版平台 Atlas 的推荐语言。经过一番学习，我觉得 Asciidoc 确实很适合电子书制作。
AsciiDoc 相比 Markdown 支持更多的格式，包括而不限于：
• 文档属性，设置作者、版本信息等。
• 语法高亮。
• 表格。
• Include 功能，将大文档拆分几个文件。
• 自定义块语法，可扩展性。