用于大數(shù)據(jù)分析的工具介紹

1、推薦六個用于大數(shù)據(jù)分析的最好工具在大數(shù)據(jù)和大數(shù)據(jù)分析，他們對企業(yè)的影響有一個興趣高漲。大數(shù)據(jù) 分析是研究大量的數(shù)據(jù)的過程中尋找模式，相關(guān)性和其他有用的信息， 可以幫助企業(yè)更好地適應(yīng)變化，并做出更明智的決策。一、HadoopHadoop是一個能夠?qū)Υ罅繑?shù)據(jù)進行分布式處理的軟件框架。但是 Hadoop是以一種可靠、高效、可伸縮的方式進行處理的。Hadoop是 可靠的，因為它假設(shè)計算元素和存儲會失敗，因此它維護多個工作數(shù) 據(jù)副本，確保能夠針對失敗的節(jié)點重新分布處理Hadoop是高效的， 因為它以并行的方式工作，通過并行處理加快處理速度。Hadoop還 是可伸縮的，能夠處理PB級數(shù)據(jù)。此外，Hadoo

2、p依賴于社區(qū)服務(wù) 器，因此它的成本比較低，任何人都可以使用。Hadoop是一個能夠讓用戶輕松架構(gòu)和使用的分布式計算平臺。用戶 可以輕松地在Hadoop上開發(fā)和運行處理海量數(shù)據(jù)的應(yīng)用程序。它主 要有以下幾個優(yōu)點：1 .高可靠性。Hadoop按位存儲和處理數(shù)據(jù)的能力值得人們信賴。2 .高擴展性。Hadoop是在可用的計算機集簇間分配數(shù)據(jù)并完成計算任務(wù)的，這些 集簇可以方便地擴展到數(shù)以千計的節(jié)點中。高效性。Hadoop能夠在節(jié)點之間動態(tài)地移動數(shù)據(jù)，并保證各個節(jié)點的動態(tài)平 衡，因此處理速度非?？?。高容錯性。Hadoop能夠自動保存數(shù)據(jù)的多個副本，并且能夠自動將失敗的任務(wù) 重新分配。Hadoop帶有用J

3、ava語言編寫的框架，因此運行在Linux生產(chǎn)平臺 上是非常理想的。Hadoop上的應(yīng)用程序也可以使用其他語言編寫， 比如C+。二、HPCCHPCC， High Performance Computing and Communications高性能計 算與通信）的縮寫。1993年，由美國科學、工程、技術(shù)聯(lián)邦協(xié)調(diào)理事 會向國會提交了 “重大挑戰(zhàn)項目：高性能計算與通信”的報告，也 就是被稱為HPCC計劃的報告，即美國總統(tǒng)科學戰(zhàn)略項目，其目的是 通過加強研究與開發(fā)解決一批重要的科學與技術(shù)挑戰(zhàn)問題。HPCC是 美國實施信息高速公路而上實施的計劃，該計劃的實施將耗資百億 美元，其主要日標要達到：開發(fā)可擴

4、展的計算系統(tǒng)及相關(guān)軟件，以支 持太位級網(wǎng)絡(luò)傳輸性能，開發(fā)千兆比特網(wǎng)絡(luò)技術(shù)，擴展研究和教育 機構(gòu)及網(wǎng)絡(luò)連接能力。該項目主要由五部分組成:1、高性能計算機系統(tǒng)(HPCS)，內(nèi)容包括今后幾代計算機系統(tǒng)的研究、系統(tǒng)設(shè)計工具、先進的典型系統(tǒng)及原有系統(tǒng)的評價等； 2、先進軟件技術(shù)與算法(ASTA)，內(nèi)容有巨大挑戰(zhàn)問題的軟件支撐、新算法設(shè)計、軟件分支與工具、計算計算及高性能計算研究中心等;3、國家科研與教育網(wǎng)格(NREN)，內(nèi)容有中接站及10億位級傳輸?shù)难芯颗c開發(fā)；4、基本研究與人類資源(BRHR),內(nèi)容有基礎(chǔ)研究、培訓、教育及課 程教材，被設(shè)計通過獎勵調(diào)查者-開始的，長期的調(diào)查在可升級的高 性能計算中來增

5、加創(chuàng)新意識流，通過提高教育和高性能的計算訓練和 通信來加大熟練的和訓練有素的人員的聯(lián)營，和來提供必需的基礎(chǔ)架 構(gòu)來支持這些調(diào)查和研究活動；5、信息基礎(chǔ)結(jié)構(gòu)技術(shù)和應(yīng)用(IITA)，日的在于保證美國在先進信息 技術(shù)開發(fā)方面的領(lǐng)先地位。三、StormStorm是自由的開源軟件，一個分布式的、容錯的實時計算系統(tǒng)。Storm 可以非?？煽康奶幚睚嫶蟮臄?shù)據(jù)流，用于處理Hadoop的批量數(shù)據(jù)。Storm很簡單，支持許多種編程語言，使用起來非常有趣。Storm由Twitter開源而來，其它知名的應(yīng)用企業(yè)包括Groupon、淘寶、支付 寶、阿里巴巴、樂元素、Admaster等等。Storm有許多應(yīng)用領(lǐng)域：實時分

6、析、在線機器學習、不停頓的計算、 分布式RPC（遠過程調(diào)用協(xié)議，一種通過網(wǎng)絡(luò)從遠程計算機程序上請 求服務(wù)）、ETL（Extraction-Transformation-Loading 的縮寫，即數(shù) 據(jù)抽取、轉(zhuǎn)換和加載）等等。Storm的處理速度驚人：經(jīng)測 試，每個 節(jié)點每秒鐘可以處理100萬個數(shù)據(jù)元組。Storm是可擴展、容錯，很 容易設(shè)置和操作。四、Apache Drill為了幫助企業(yè)用戶尋找更為有效、加快Hadoop數(shù)據(jù)查詢的方法， Apache軟件基金會近日發(fā)起了一項名為“Drill的開源項目。Apache Drill 實現(xiàn)了 Google s Dremel.據(jù) Hadoop 廠商 Ma

7、pR Technologies 公司產(chǎn)品經(jīng)理 Tomer Shiran 介紹， “Drill”已經(jīng)作為Apache孵化器項目來運作，將面向全球軟件工程 師持續(xù)推廣。該項日將會創(chuàng)建出開源版本的谷歌Dremel Hadoop工具（谷歌使用該 工具來為Hadoop數(shù)據(jù)分析工具的互聯(lián)網(wǎng)應(yīng)用提速）。而“Drill”將 有助于Hadoop用戶實現(xiàn)更快查詢海量數(shù)據(jù)集的日的?！癉rill”項日其實也是從谷歌的Dremel項日中獲得靈感：該項日幫 助谷歌實現(xiàn)海量數(shù)據(jù)集的分析處理，包括分析抓取Web文檔、跟蹤安 裝在Android Market上的應(yīng)用程序數(shù)據(jù)、分析垃圾郵件、分析谷歌 分布式構(gòu)建系統(tǒng)上的測試結(jié)果等

8、等。通過開發(fā)“Drill” Apache開源項日，組織機構(gòu)將有望建立Drill所 屬的API接口和靈活強大的體系架構(gòu)，從而幫助支持廣泛的數(shù)據(jù)源、 數(shù)據(jù)格式和查詢語言。五、RapidMinerRapidMiner是世界領(lǐng)先的數(shù)據(jù)挖掘解決方案，在一個非常大的程度 上有著先進技術(shù)。它數(shù)據(jù)挖掘任務(wù)涉及范圍廣泛，包括各種數(shù)據(jù)藝術(shù)， 能簡化數(shù)據(jù)挖掘過程的設(shè)計和評價。功能和特點免費提供數(shù)據(jù)挖掘技術(shù)和庫100%用Java代碼（可運行在操作系統(tǒng)）數(shù)據(jù)挖掘過程簡單，強大和直觀內(nèi)部XML保證了標準化的格式來表示交換數(shù)據(jù)挖掘過程可以用簡單腳本語言自動進行大規(guī)模進程多層次的數(shù)據(jù)視圖，確保有效和透明的數(shù)據(jù)圖形用戶界面的互

9、動原型命令行（批處理模式）自動大規(guī)模應(yīng)用. Java API(應(yīng)用編程接口).簡單的插件和推廣機制.強大的可視化引擎，許多尖端的高維數(shù)據(jù)的可視化建模.400多個數(shù)據(jù)挖掘運營商支持耶魯大學已成功地應(yīng)用在許多不同的應(yīng)用領(lǐng)域，包括文本挖掘，多媒 體挖掘，功能設(shè)計，數(shù)據(jù)流挖掘，集成開發(fā)的方法和分布式數(shù)據(jù)挖掘。六、Pentaho BIPentaho BI平臺不同于傳統(tǒng)的BI產(chǎn)品，它是一個以流程為中心的， 面向解決方案(Solution)的框架。其目的在于將一系列企業(yè)級BI產(chǎn) 品、開源軟件、API等等組件集成起來，方便商務(wù)智能應(yīng)用的開發(fā)。 它的出現(xiàn)，使得一系列的面向商務(wù)智能的獨立產(chǎn)品如Jfree、Quar

10、tz 等等，能夠集成在一起，構(gòu)成一項項復雜的、完整的商務(wù)智能解決方 案。ReportingData IntegrationData MiningDashboardsPentaho BI平臺，Pentaho Open BI套件的核心架構(gòu)和基礎(chǔ)，是以 流程為中心的，因為其中樞控制器是一個工作流引擎。工作流引擎使 用流程定義來定義在BI平臺上執(zhí)行的商業(yè)智能流程。流程可以很容 易的被定制，也可以添加新的流程。BI平臺包含組件和報表，用以 分析這些流程的性能。日前，Pentaho的主要組成元素包括報表生成、 分析、數(shù)據(jù)挖掘和工作流管理等等。這些組件通過J2EE、WebService、 SOAP、HTTP

11、、Java、JavaScript、Portals 等技術(shù)集成到 Pentaho 平 臺中來。Pentaho的發(fā)行，主要以Pentaho SDK的形式進行。Pentaho SDK共包含五個部分：Pentaho平臺、Pentaho示例數(shù)據(jù)庫、 可獨立運行的Pentaho平臺、Pentaho解決方案示例和一個預(yù)先配制 好的Pentaho網(wǎng)絡(luò)服務(wù)器。其中Pentaho平臺是Pentaho平臺最主 要的部分，囊括了 Pentaho平臺源代碼的主體; Pentaho數(shù)據(jù)庫為Pentaho平臺的正常運行提供的數(shù)據(jù)服務(wù)，包括配置信息、Solution 相關(guān)的信息等等，對于Pentaho平臺來說它不是必須的，通過配置是 可以用其它數(shù)據(jù)庫服務(wù)取代的;可獨立運行的Pentaho平臺是Pentaho平臺的獨立運行模式的示例，它演示了如何使Pentaho平臺 在沒有應(yīng)用服務(wù)器支持的情況下獨立運行；Pentaho解決方案示例是一個Eclipse工程，用來演示如何為Pentaho 平臺開發(fā)相關(guān)的商業(yè)智能解決方案。Pentaho BI平臺構(gòu)建于服務(wù)器，引擎和組件的基礎(chǔ)之上。這些提供 了系統(tǒng)的J2EE服務(wù)器，安全，portal，工作流，規(guī)則引擎，圖表，