DataFu在Apache進入孵化狀態_hadoop

該項目建立於2012年1月，早期的定位是作為Pig項目的使用者定義函數集（UDF ）。相對於更加通用的UDF集如Piggybank，Datafu更側重於資料採礦和統計 類的函數，例如分位元計算和取樣方法。2013年10月，一個名為DataFu Hourglass的新庫加入到此項目。Hourglass是用於MapReduce的類庫，為作業提供了處理增量資料的能力。其處理方式一般是在HDFS中儲存上一個作業的狀態，並用它來處理新的輸入。現在這兩個項目都成為孵化器的一部分。

DataFu在Apache進入孵化狀態，是其前進過程中的一大步。任何項目都要經過嚴格的審查，完成投票程式才能進入孵化器。2012年初建立的DataFu，2014年初才成功進入孵化器。通常，一個Apache項目完成孵化需要一定的時間，一旦項目的相關服務（wiki、郵件清單、教程等等）建設完成，DataFu將結束孵化，成為ASF的頂級項目或者Hadoop的子項目。

隨著最近進入Apache孵化器，DataFu有了很多近期的發展計劃。其中最關鍵的功能之一是為Hive和Crunch提供同一UDF，以使其得到更大範圍的應用。其中包括將項目的構建系統移植到Gradle，這些工作DataFu社區目前正在做。構建系統從Ant改為Gradle的好處是能夠鞏固社區，使其以更簡單的 流程添加新功能。

DataFu社區還比較小，但保持著穩定的增長。Russell Jurney最近的貢獻使Open NLP項目成了DataFu 1.3.0的一部分。郵件清單中討論的焦點是增加更多UDF，就像項目貢獻者Matthew Hayes和Sam Shah所描述的，讓DataFu成為“大資料的WD-40”。