大数据利器

本文涉及的产品
检索分析服务 Elasticsearch 版,2核4GB开发者规格 1个月
服务治理 MSE Sentinel/OpenSergo,Agent数量 不受限
简介: 大数据利器.xls 类别 名称 官网 备注 查询引擎 Phoenix https://phoenix.
img_e25d4fb2f8de1caf41a735ec53088516.png大数据利器.xls
类别 名称 官网 备注
查询引擎 Phoenix https://phoenix.apache.org/ Salesforce公司出品,Apache HBase之上的一个SQL中间层,完全使用Java编写
Kylin http://kylin.io eBay开源的基于Hadoop的分布式OLAP分析引擎,旨在减少Hadoop在10亿行以上数据级别的情况下的查询延迟
Stinger http://hortonworks.com/labs/stinger/
http://hortonworks.com/hadoop/tez/
原叫Tez,下一代Hive,Hortonworks主导开发,运行在YARN上的DAG计算框架
Presto http://prestodb.io/ Facebook开源
Shark http://shark.cs.berkeley.edu/ Spark上的SQL执行引擎,已演化成Spark-SQL和Hive on Spark
Pig http://pig.apache.org/ 基于Hadoop MapReduce的脚本语言
Cloudera Impala http://www.cloudera.com/content/cloudera/en/products-and-services/cdh/impala.html 参照Google Dremel实现,能运行在HDFS或HBase上,使用C++开发
Apache Drill https://drill.apache.org/ 参照Google Dremel实现
Apache Tajo http://tajo.apache.org/ 一个运行在YARN上支持SQL的分布式数据仓库
Hive http://hive.apache.org/ 基于Hadoop MapReduce的SQL查询引擎
流式计算 Facebook Puma 实时数据流分析
Twitter Rainbird 分布式实时统计系统,如网站的点击统计
Yahoo S4 http://incubator.apache.org/s4/ Java开发的一个通用的、分布式的、可扩展的、分区容错的、可插拔的无主架构的流式系统
jStrom https://github.com/alibaba/jstorm 阿里开源的经过优化的Java版Storm
Twitter Storm http://storm.incubator.apache.org/ 使用Java和Clojure实现
迭代计算 Apache Hama https://hama.apache.org/ 建立在Hadoop上基于BSP(Bulk Synchronous Parallel)的计算框架,模仿了Google的Pregel。
Apache Giraph https://giraph.apache.org/ 建立在Hadoop上的可伸缩的分布式迭代图处理系统,灵感来自BSP(bulk synchronous parallel)和Google的Pregel
HaLoop https://code.google.com/p/haloop/ 迭代的MapReduce
Twister http://www.iterativemapreduce.org/ 迭代的MapReduce
离线计算 Hadoop MapReduce http://hadoop.apache.org/ 经典的大数据批处理系统
Berkeley Spark http://spark.apache.org/
http://shark.cs.berkeley.edu/
使用Scala语言实现,和MapReduce有较大的竞争关系,性能强于MapReduce
Flink https://flink.apache.org/ 和Spark类似的
Apache Ignite http://ignite.apache.org/ 内存数据组织框架是一个高性能、集成化和分布式的内存计算和事务平台
DataTorrent http://www.datatorrent.com/ 基于Hadoop2.X构建的实时流式处理和分析平台,每秒可以处理超过10亿个实时事件
嵌入式DB Firebird http://www.firebirdsql.org/ 从Interbase派生出来的,支持SQL,支持事务
键值存储 LevelDB https://code.google.com/p/leveldb/ Google开源的高效KV编程库,注意它只是个库
RocksDB http://rocksdb.org/ Facebook开源的,基于Google的LevelDB,但提高了扩展性可以运行在多核处理器上
HyperDex http://hyperdex.org/ 下一代KV存储系统,支持strings、integers、floats、lists、maps和sets等丰富的数据类型
TokyoCabinet http://fallabs.com/tokyocabinet/ 日本人Mikio Hirabayashi(平林干雄)开发的一款DBM数据库,注意它只是个库(大名鼎鼎的DBM数据库qdbm就是Mikio Hirabayashi开发的),读写非常快
Voldemort http://www.project-voldemort.com/voldemort/ 一个分布式键值存储系统,是Amazon Dynamo的一个开源克隆,LinkedIn开源
Amazon Dynamo https://github.com/dynamo/dynamo 亚马逊的KV模式的存储平台,无主架构
Tair http://tair.taobao.org/ 淘宝出品的高性能、分布式、可扩展、高可靠的KV结构存储系统,专为小文件优化,并提供简单易用的接口(类似Map),Tair支持Java和C版本的客户端
Apache Accumulo https://accumulo.apache.org/ 一个可靠的、可伸缩的、高性能的排序分布式的KV存储系统,参照Google Bigtable而设计,建立在Hadoop、Thrift和Zookeeper之上。
Redis http://redis.io/ 使用ANSI C语言编写、支持网络、可基于内存亦可持久化的日志型、单机版KV数据库。从2010年3月15日起,Redis的开发工作由VMware主持
表格存储 OceanBase https://github.com/alibaba/oceanbase 支持海量数据的高性能分布式数据库系统,实现了数千亿条记录、数百TB数据上的跨行跨表事务
Amazon SimpleDB http://aws.amazon.com/cn/simpledb/ 一个可大规模伸缩、用 Erlang 编写的高可用数据存储
Vertica http://www.vertica.com/ 惠普2011收购Vertica,Vertica是传统的关系型数据库,基于列存储,同时支持MPP,使用标准的SQL查询,可以和Hadoop/MapReduce进行集成
Cassandra http://cassandra.apache.org/ Hadoop成员,Facebook于2008将Cassandra开源,基于O(1)DHT的完全P2P架构
HyperTable http://hypertable.org/ 搜索引擎公司Zvents针对Bigtable的C++开源实现
FoundationDB https://foundationdb.com/ 支持ACID事务处理的NoSQL数据库,提供非常好的性能、数据一致性和操作弹性
MemSQL http://www.memsql.com/ 前Facebook工程师创办的,号称世界上最快的分布式关系型数据库,兼容MySQL但快30倍,能实现每秒150万次事务,原理是仅用内存并将SQL预编译为C++。
HBase http://hbase.apache.org/ Bigtable在Hadoop中的实现,最初是Powerset公司为了处理自然语言搜索产生的海量数据而开展的项目
文件存储 CouchDB http://couchdb.apache.org/ 面向文档的数据存储
MongoDB https://www.mongodb.org/ 文档数据库
Tachyon http://tachyon-project.org/
https://github.com/amplab/tachyon
加州大学伯克利分校的AMPLab基于Hadoop的核心组件开发出一个更快的版本Tachyon,它从底层重构了Hadoop平台。
KFS http://code.google.com/p/kosmosfs/ GFS的C++开源版本
HDFS http://hadoop.apache.org/ GFS在Hadoop中的实现
资源管理 Twitter Mesos http://mesos.apache.org/ Google Borg的翻版
Hadoop Yarn http://hadoop.apache.org/ 类似于Mesos
日志收集系统 Facebook Scribe https://github.com/facebook/scribe Facebook开源的日志收集系统,能够从各种日志源上收集日志,存储到一个中央存储系统(可以是NFS,分布式文件系统等)上,以便于进行集中统计分析处理,常与Hadoop结合使用,Scribe用于向HDFS中Push日志
Cloudera Flume http://flume.apache.org/ Cloudera提供的日志收集系统,支持对日志的实时性收集
logstash http://www.logstash.net/ 日志管理、分析和传输工具,可配合kibana、ElasticSearch组建成日志查询系统
kibana http://www.elasticsearch.org/overview/kibana/ 为日志提供友好的Web查询页面
消息系统 StormMQ http://stormmq.com/
ZeroMQ http://zeromq.org/ 很底层的高性能网络库
RabbitMQ https://www.rabbitmq.com/ 在AMQP基础上完整的,可复用的企业消息系统
Apache ActiveMQ http://activemq.apache.org/ 能力强劲的开源消息总线
Jafka http://kafka.apache.org/ 开源的、高性能的、跨语言分布式消息系统,最早是由Apache孵化的Kafka(由LinkedIn捐助给Apache)克隆而来
Apache Kafka http://kafka.apache.org/ Linkedin于2010年12月份开源的分布式消息系统,它主要用于处理活跃的流式数据,由Scala写成
分布式服务 ZooKeeper http://zookeeper.apache.org/ 分布式锁服务,PoxOS算法的实现,对应Google的Chubby
rethinkdb https://github.com/rethinkdb/rethinkdb
etcd https://github.com/coreos/etcd 一个高可用的键值存储系统,主要用于共享配置和服务发现。etcd是由CoreOS开发并维护的,灵感来自于 ZooKeeper 和 Doozer,它使用Go语言编写,并通过Raft一致性算法处理日志复制以保证强一致性。
RPC Apache Avro http://avro.apache.org/ Hadoop中的RPC
grpc http://www.grpc.io/
https://github.com/grpc/grpc
一个高性能、通用的开源RPC框架,其由Google主要面向移动应用开发并基于HTTP/2协议标准而设计,基于ProtoBuf(Protocol Buffers)序列化协议开发,且支持众多开发语言。
Facebook Thrift http://thrift.apache.org/ RPC,支持C++/Java/PHP等众多语言
集群管理 Nagios http://www.nagios.org/ 监视系统运行状态和网络信息的监视系统
Ganglia http://ganglia.sourceforge.net/ UC Berkeley发起的一个开源集群监视项目,设计用于测量数以千计的节点。
Apache Ambari http://ambari.apache.org/ Hadoop成员,管理和监视Apache Hadoop集群的开源框架
基础设施 SSTable 源于Google,orted String Table
RecordIO 源于Google
Flat Buffers https://github.com/google/flatbuffers 针对游戏开发的,高效的跨平台序列化库,相比Proto Buffers开销更小,因为Flat Buffers没有解析过程
Protocol Buffers http://code.google.com/p/protobuf/ Google公司开发的一种数据描述语言,类似于XML能够将结构化数据序列化,可用于数据存储、通信协议等方面。它不依赖于语言和平台并且可扩展性极强。
Consistent Hashing 1997年由麻省理工学院提出,目标是为了解决因特网中的热点(Hot spot)问题,初衷和CARP十分类似,基本解决了在P2P环境中最为关键的问题——如何在动态的网络拓扑中分布存储和路由。
Netty http://netty.io/ JBOSS提供的一个java开源框架,提供异步的、事件驱动的网络应用程序框架,用以快速开发高性能、高可靠性的网络服务器和客户端程序。
BloomFilter 布隆过滤器,1970年由布隆提出,是一个很长的二进制矢量和一系列随机映射函数,可以用于检索一个元素是否在一个集合中,优点是空间效率和查询时间都远远超过一般的算法,缺点是有一定的误识别率和删除困难。
搜索引擎 Nutch https://nutch.apache.org/ 开源Java 实现的搜索引擎,诞生Hadoop的地方。
Lucene http://lucene.apache.org/ 一套信息检索工具包,但并不包含搜索引擎系统,它包含了索引结构、读写索引工具、相关性工具、排序等功能。
SolrCloud 基于Solr和Zookeeper的分布式搜索, Solr4.0 的核心组件之一,主要思想是使用 Zookeeper 作为集群的配置信息中心
Solr https://lucene.apache.org/solr/ Solr是基于Lucene的搜索。
ElasticSearch http://www.elasticsearch.org/
http://www.elasticsearch.cn/
开源的(Apache2协议),分布式的,RESTful的,构建在Apache Lucene之上的的搜索引擎。
Sphinx http://sphinxsearch.com 一个基于SQL的全文检索引擎,可结合MySQL、PostgreSQL做全文检索,可提供比数据库本身更专业的搜索功能,单一索引可达1亿条记录,1000万条记录情况下的查询速度为0.x秒(毫秒级)。
SenseiDB http://senseidb.com Linkin公司开发的一个开源分布式实时半结构化数据库,在全文索引的基础封装了Browse Query Language (BQL,类似SQL)的查询语法。
数据挖掘 Mahout http://mahout.apache.org/ Hadoop成员,目标是建立一个可扩展的机器学习库
Iaas OpenStack https://www.openstack.org/ 美国国家航空航天局和Rackspace合作研发的,以Apache许可证授权云平台管理的项目,它不是一个软件。这个项目由几个主要的组件组合起来完成一些具体的工作,旨在为公共及私有云的建设与管理提供软件的开源项目。6个核心项目:Nova(计算,Compute),Swift(对象存储,Object),Glance(镜像,Image),Keystone(身份,Identity),Horizon(自助门户,Dashboard),Quantum & Melange(网络&地址管理),另外还有若干社区项目,如Rackspace(负载均衡)、Rackspace(关系型数据库)。
Docker http://www.docker.io/ 应用容器引擎,让开发者可打包应用及依赖包到一个可移植的容器中,然后发布到Linux机器上,也可实现虚拟化。
Kubernetes https://github.com/GoogleCloudPlatform/kubernetes/ Google开源的容器集群管理系统
Imctfy https://github.com/google/Imctfy/ Google开源的Linux容器

相关实践学习
简单用户画像分析
本场景主要介绍基于海量日志数据进行简单用户画像分析为背景,如何通过使用DataWorks完成数据采集 、加工数据、配置数据质量监控和数据可视化展现等任务。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
5天前
|
存储 数据可视化 大数据
大数据技术框架
【4月更文挑战第20天】大数据一般需要经过6个主要环节,包括数据收集、数据存储、资源管理与服务协调、计算引擎、数据分析和数据可视化。
|
8月前
|
SQL 消息中间件 分布式计算
【大数据】大数据技术栈
【大数据】大数据技术栈
130 0
|
SQL 存储 数据采集
实战大数据项目
存储日志数据集(HDFS)数据仓库构建(Hive)数据分区表构建数据预处理 (Spark计算引擎)-使用Zeppelin进行写SQL订单指标分析Sqoop数据导出到传统数据库(Mysql)Superset数据可视化项目架构架构方案:1、基于Hadoop的HDFS(数据存储)文件系统来存储数据2、为了方便进行数据分析,将这些日志文件的数据映射为一张一张的表,所以,我们 基于Hive(数据仓库工具)来构建数据仓库,所有的数据,都会在Hive下进行管理,提高数据处理的性能。
237 1
|
分布式计算 搜索推荐 大数据
大数据入门
大数据入门
96 0
大数据入门
|
存储 分布式计算 资源调度
【大数据】入门知识介绍
【大数据】入门知识介绍
272 0
|
SQL 存储 消息中间件
大数据入门1:开源大数据平台
参加冬季实战营第五期:轻松入门学习大数据。参加学习一下,教程很好,做笔记记录一下。本文记录冬季实战营第五期:轻松入门学习大数据程----动手实战-基于EMR离线数据分析。
1535 8
大数据入门1:开源大数据平台
|
存储 分布式计算 大数据
大数据入门干货
  首先,提及大数据一词的概念。大数据本质还在于数据,但是它有着新的特征亮点。包括:数据来源广,数据格式多样化(结构化数据、非结构化数据、Excel文件、文本文件等)、数据量大(最少也是TB级别的、甚至可能是PB级别)、数据增长速度快等等。
1274 0
|
大数据 Linux Apache
大数据从业者应该知道的开源工具(全)
前言 想要成为大数据工程师这些开源工具你要有所了解 一、Hadoop相关工具 1. Hadoop Apache的Hadoop项目已几乎与大数据划上了等号。
1068 0
|
分布式计算 大数据 Hadoop
大数据技术原理与应用
推荐一个视频: http://study.163.com/course/courseMain.htm?courseId=1002887002 章节1课程介绍 课时1课程介绍06:53 章节2大数据概述 课时2大数据概述第1部分26:56 ...
1165 0
|
存储 大数据 数据处理