DataFoundry 是专注于大数据领域的 PaaS 云平台， 基于 Docker 容器技术，为各类开发者提供云端大数据应用构建、交付和运维服务，并提供应用生命周期全流程、标准化的持续集成、镜像构建、持续交付和自动运维服务。
DataFoundry 整合了亚信在大数据领域潜心耕耘十余年沉淀的大数据服务、应用、算法和解决方案等能力，同时引入第三方服务，可实现快速交付大数据应用、快速搭建并运维大数据平台。
DataFoundry 打造以大数据应用为中心的云计算平台，通过优化开发运维环节、降低 IT 成本，提高了大数据应用和变现的效率，使得原本无法支撑的市场能够进入，使得原本无法成立的商业模式能够实现。
本节将为 DataFoundry 使用者提供应用生命周期中所需的核心概念。
Linux 容器技术提供轻量级的虚拟化设备，以便隔离进程、文件系统和网络等资源。
容器是 DataFoundry 定义的最小的应用运行单元。
DataFoundry 基于 Docker 容器，而 Docker 容器是基于 Docker 镜像（Images）的应用运行单元。
DataFoundry 支持 Docker Build，即以 Dockerfile、源代码为输入，构建出的以可运行的镜像为输出的过程。
DataFoundry 支持以 Git 协议为基础的代码仓库，如 Github、GitLab。
DataFoundry 的镜像指 Docker 镜像，它是 Docker 容器的基础。Docker 镜像根据 Dockerfile 的定义将应用程序及其依赖打包为一个单独的虚拟容器，这个容器可运行在任何 Linux 服务器上。这大大提高了程序运行的灵活性和可移植性，无论是否需要许可、是公有云抑或私有云、是否为裸机环境等。
镜像仓库用于接收及存储 DataFoundry 上的 Docker 镜像。镜像仓库存储了每次构建成功的镜像，并以镜像 Tag 来区分镜像版本。
当然，镜像仓库除了可以存储用 DataFoundry 提供的构建功能输出的镜像外，也可以存储使用 Docker 构建的其他镜像，这些镜像以 Docker Pull 的方式存放在镜像仓库中。
Docker 镜像、镜像仓库和容器间的关系如下图所示：
服务部署是指将一个或多个镜像部署到 DataFoundry 上，部署过程根据配置创建一个副本控制器（Replication Controller），副本控制器负责启动 Pod，并通过其中的定义来控制所启动的 Pod 的个数。
DataFoundry 上已部署的服务可以通过设置条件来触发自动部署，可触发自动部署的条件包括：部署配置变化、镜像变化。
Pod 继承自 Kubernetes 的概念，是一个或多个容器部署在一起的集合。
可以定义 Pod 的计算资源。每一个 Pod 在 DataFoundry 集群中都会分配一个独立的 IP 地址，Pod 中的容器共享网络和本地存储。
Pod 的生命周期过程包括：通过配置进行定义，然后分配到一个集群节点上运行，在 Pod 所含容器运行结束后 Pod 也相应结束。
服务是一组从 Docker 镜像运行的容器及路由组成的一个逻辑单元，作为对外提供服务的整体。包括：Pod、对外开放的服务端口、服务域名。服务可提供多副本部署、负载均衡等。
DataFoundry 作为大数据 PaaS 平台，以后端支持服务形式给平台使用者提供大数据服务组件，来提供给有状态服务使用。所谓后端支持服务是通过网络提供的云端服务组件，这些组件包含：
- 数据库组件：MySQL、GBase、MongoDB、PostgreSQL 等；
- 消息组件：Kafka、RabbitMQ 等；
- 计算组件：Storm、Spark 等。
当 DataFoundry 使用者需要使用后端支持服务时，需要首先申请后端支持服务实例。使用后端支持服务实例与服务绑定来获得后端支持服务的连接信息，使服务可以适配后端支持服务。