最全的大數(shù)據(jù)學(xué)習(xí)資料整理

1、最全的大數(shù)據(jù)學(xué)習(xí)資料整理互聯(lián)網(wǎng)的發(fā)展已經(jīng)有影響了整個(gè)世界的進(jìn)程，從互聯(lián)網(wǎng)的誕生到現(xiàn)在的互聯(lián)網(wǎng)時(shí)代的成熟，整個(gè)互聯(lián)網(wǎng)正在從IT時(shí)代轉(zhuǎn)向DT時(shí)代。隨著前幾年大數(shù)據(jù)概念的提出。當(dāng)前的大數(shù)據(jù)一詞不僅在于數(shù)據(jù)規(guī)模的定義，更代表著信息技術(shù)的發(fā)展進(jìn)入一個(gè)全新的時(shí)代。對于剛剛接觸大數(shù)據(jù)的人群來說，可能還不知道學(xué)習(xí)大數(shù)據(jù)應(yīng)該從哪些方面入手，檸檬學(xué)院特此翻譯了一些資源，供對大數(shù)據(jù)感興趣或者想進(jìn)入大數(shù)據(jù)行業(yè)的人參考學(xué)習(xí)。更多關(guān)于大數(shù)據(jù)的學(xué)習(xí)請到檸檬學(xué)院，注冊就可在線聽課學(xué)習(xí)。內(nèi)容有點(diǎn)多，請耐心看完或者收藏。資源列表：關(guān)系數(shù)據(jù)庫管理系統(tǒng)(RDBMS)框架分布式編程分布式文件系統(tǒng)文件數(shù)據(jù)模型Key -Map 數(shù)據(jù)模型鍵

2、-值數(shù)據(jù)模型圖形數(shù)據(jù)模型NewSQL數(shù)據(jù)庫列式數(shù)據(jù)庫時(shí)間序列數(shù)據(jù)庫類SQL處理數(shù)據(jù)攝取服務(wù)編程調(diào)度機(jī)器學(xué)習(xí)基準(zhǔn)測試安全性系統(tǒng)部署應(yīng)用程序搜索引擎與框架MySQL的分支和演化PostgreSQL的分支和演化Memcached的分支和演化嵌入式數(shù)據(jù)庫商業(yè)智能數(shù)據(jù)可視化物聯(lián)網(wǎng)和傳感器文章論文視頻關(guān)系數(shù)據(jù)庫管理系統(tǒng)(RDBMS)MySQL：世界最流行的開源數(shù)據(jù)庫;PostgreSQL：世界最先進(jìn)的開源數(shù)據(jù)庫;Oracle 數(shù)據(jù)庫：對象-關(guān)系型數(shù)據(jù)庫管理系統(tǒng)?？蚣蹵pache Hadoop：分布式處理架構(gòu)，結(jié)合了 MapReduce(并行處理)、YARN(作業(yè)調(diào)度)和HDFS(分布式文件系統(tǒng));Tigo

3、n：高吞吐量實(shí)時(shí)流處理框架。分布式編程AddThis Hydra ：最初在AddThis上開發(fā)的分布式數(shù)據(jù)處理和存儲系統(tǒng);AMPLab SIMR：用在Hadoop MapReduce v1上運(yùn)行Spark;Apache Beam：為統(tǒng)一的模型以及一套用于定義和執(zhí)行數(shù)據(jù)處理工作流的特定SDK語言;Apache Crunch：一個(gè)簡單的Java API，用于執(zhí)行在普通的MapReduce實(shí)現(xiàn)時(shí)比較單調(diào)的連接、數(shù)據(jù)聚合等任務(wù);Apache DataFu：由LinkedIn開發(fā)的針對Hadoop and 和Pig的用戶定義的函數(shù)集合;Apache Flink：具有高性能的執(zhí)行時(shí)間和自動(dòng)程序優(yōu)化;Apa

4、che Gora：內(nèi)存中的數(shù)據(jù)模型和持久性框架;Apache Hama：BSP(整體同步并行)計(jì)算框架;Apache MapReduce ：在集群上使用并行、分布式算法處理大數(shù)據(jù)集的編程模型;Apache Pig ：Hadoop中，用于處理數(shù)據(jù)分析程序的高級查詢語言;Apache REEF ：用來簡化和統(tǒng)一低層大數(shù)據(jù)系統(tǒng)的保留性評估執(zhí)行框架;Apache S4 ：S4中流處理與實(shí)現(xiàn)的框架;Apache Spark ：內(nèi)存集群計(jì)算框架;Apache Spark Streaming ：流處理框架，同時(shí)是Spark的一部分;Apache Storm ：Twitter流處理框架，也可用于YARN;Ap

5、ache Samza ：基于Kafka和YARN的流處理框架;Apache Tez ：基于YARN，用于執(zhí)行任務(wù)中的復(fù)雜DAG(有向無環(huán)圖);Apache Twill ：基于YARN的抽象概念，用于減少開發(fā)分布式應(yīng)用程序的復(fù)雜度;Cascalog：數(shù)據(jù)處理和查詢庫;Cheetah ：在MapReduce之上的高性能、自定義數(shù)據(jù)倉庫;Concurrent Cascading ：在Hadoop上的數(shù)據(jù)管理/分析框架;Damballa Parkour ：用于Clojure的MapReduce庫;Datasalt Pangool ：可選擇的MapReduce范例;DataTorrent StrAM ：

6、為實(shí)時(shí)引擎，用于以盡可能暢通的方式、最小的開支和對性能最小的影響，實(shí)現(xiàn)分布式、異步、實(shí)時(shí)的內(nèi)存大數(shù)據(jù)計(jì)算;Facebook Corona ：為Hadoop做優(yōu)化處理，從而消除單點(diǎn)故障;Facebook Peregrine ：MapReduce框架;Facebook Scuba ：分布式內(nèi)存數(shù)據(jù)存儲;Google Dataflow ：創(chuàng)建數(shù)據(jù)管道，以幫助其分析框架;Netflix PigPen ：為MapReduce，用于編譯成Apache Pig;Nokia Disco ：由Nokia開發(fā)的MapReduc獲取、轉(zhuǎn)換和分析數(shù)據(jù);Google MapReduce ：MapReduce框架;Goo

7、gle MillWheel ：容錯(cuò)流處理框架;JAQL ：用于處理結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)工作的聲明性編程語言;Kite ：為一組庫、工具、實(shí)例和文檔集，用于使在Hadoop的生態(tài)系統(tǒng)上建立系統(tǒng)更加容易;Metamarkets Druid ：用于大數(shù)據(jù)集的實(shí)時(shí)e框架;Onyx ：分布式云計(jì)算;Pinterest Pinlater ：異步任務(wù)執(zhí)行系統(tǒng);Pydoop ：用于Hadoop的Python MapReduce和HDFS API;Rackerlabs Blueflood ：多租戶分布式測度處理系統(tǒng);Stratosphere ：通用集群計(jì)算框架;Streamdrill ：用于計(jì)算基于不

8、同時(shí)間窗口的事件流的活動(dòng)，并找到最活躍的一個(gè);Tuktu ：易于使用的用于分批處理和流計(jì)算的平臺，通過Scala、 Akka和Play所建;Twitter Scalding：基于Cascading，用于Map Reduce工作的Scala庫;Twitter Summingbird ：在Twitter上使用Scalding和Storm串流MapReduce;Twitter TSAR ：Twitter上的時(shí)間序列聚合器。分布式文件系統(tǒng)Apache HDFS：在多臺機(jī)器上存儲大型文件的方式;BeeGFS：以前是FhGFS，并行分布式文件系統(tǒng);Ceph Filesystem：設(shè)計(jì)的軟件存儲平臺;Dis

9、co DDFS：分布式文件系統(tǒng);Facebook Haystack：對象存儲系統(tǒng);Google Colossus：分布式文件系統(tǒng)(GFS2);Google GFS：分布式文件系統(tǒng);Google Megastore：可擴(kuò)展的、高度可用的存儲;GridGain：兼容GGFS、Hadoop內(nèi)存的文件系統(tǒng);Lustre file system：高性能分布式文件系統(tǒng);Quantcast File System QFS：開源分布式文件系統(tǒng);Red Hat GlusterFS：向外擴(kuò)展的附網(wǎng)存儲(Network-attached Storage)文件系統(tǒng);Seaweed-FS：簡單的、高度可擴(kuò)展的分布式文件

10、系統(tǒng);Alluxio：以可靠的存儲速率在跨集群框架上文件共享;Tahoe-LAFS：分布式云存儲系統(tǒng);文件數(shù)據(jù)模型Actian Versant：商用的面向?qū)ο髷?shù)據(jù)庫管理系統(tǒng);Crate Data：是一個(gè)開源的大規(guī)模可擴(kuò)展的數(shù)據(jù)存儲，需要零管理模式;Facebook Apollo：Facebook的Paxos算法，類似于NoSQL數(shù)據(jù)庫;jumboDB：基于Hadoop的面向文檔的數(shù)據(jù)存儲;LinkedIn Espresso：可橫向擴(kuò)展的面向文檔的NoSQL數(shù)據(jù)存儲;MarkLogic：模式不可知的企業(yè)版NoSQL數(shù)據(jù)庫技術(shù);MongoDB：面向文檔的數(shù)據(jù)庫系統(tǒng);RavenDB：一個(gè)事務(wù)性的，開

11、源文檔數(shù)據(jù)庫;RethinkDB：支持連接查詢和群組依據(jù)等查詢的文檔型數(shù)據(jù)庫。Key Map 數(shù)據(jù)模型注意：業(yè)內(nèi)存在一些術(shù)語混亂，有兩個(gè)不同的東西都叫做“列式數(shù)據(jù)庫”。這里列出的有一些是圍繞“key-map”數(shù)據(jù)模型而建的分布式、持續(xù)型數(shù)據(jù)庫，其中所有的數(shù)據(jù)都有(可能綜合了)鍵，并與映射中的鍵-值對相關(guān)聯(lián)。在一些系統(tǒng)中，多個(gè)這樣的值映射可以與鍵相關(guān)聯(lián)，并且這些映射被稱為“列族”(具有映射值的鍵被稱為“列”)。另一組也可稱為“列式數(shù)據(jù)庫”的技術(shù)因其存儲數(shù)據(jù)的方式而有別于前一組，它在磁盤上或在存儲器中而不是以傳統(tǒng)方式，即所有既定鍵的鍵值都相鄰著、逐行存儲。這些系統(tǒng)也彼此相鄰來存儲所有列值，但是要得

12、到給定列的所有值卻不需要以前那么繁復(fù)的工作。前一組在這里被稱為“key map數(shù)據(jù)模型”，這兩者和Key-value 數(shù)據(jù)模型之間的界限是相當(dāng)模糊的。后者對數(shù)據(jù)模型有更多的存儲格式，可在列式數(shù)據(jù)庫中列出。若想了解更多關(guān)于這兩種模型的區(qū)分，可閱讀Daniel Abadi的博客：Distinguishing two major types of Column Stores。Apache Accumulo：內(nèi)置在Hadoop上的分布式鍵/值存儲;Apache Cassandra：由BigTable授權(quán)，面向列的分布式數(shù)據(jù)存儲;Apache HBase：由BigTable授權(quán)，面向列的分布式數(shù)據(jù)存儲;

13、Facebook HydraBase：Facebook所開發(fā)的HBase的衍化品;Google BigTable：面向列的分布式數(shù)據(jù)存儲;Google Cloud Datastore：為完全管理型的無模式數(shù)據(jù)庫，用于存儲在BigTable上非關(guān)系型數(shù)據(jù);Hypertable：由BigTable授權(quán)，面向列的分布式數(shù)據(jù)存儲;InfiniDB：通過MySQL的接口訪問，并使用大規(guī)模并行處理進(jìn)行并行查詢;Tephra：用于HBase處理;Twitter Manhattan：Twitter的實(shí)時(shí)、多租戶分布式數(shù)據(jù)庫。鍵-值數(shù)據(jù)模型Aerospike：支持NoSQL的閃存優(yōu)化，數(shù)據(jù)存儲在內(nèi)存。開源，“C

14、(不是Java或Erlang)中的服務(wù)器代碼可精確地調(diào)整從而避免上下文切換和內(nèi)存拷貝”。Amazon DynamoDB：分布式鍵/值存儲，Dynamo論文的實(shí)現(xiàn);Edis：為替代Redis的協(xié)議兼容的服務(wù)器;ElephantDB：專門研究Hadoop中數(shù)據(jù)導(dǎo)出的分布式數(shù)據(jù)庫;EventStore：分布式時(shí)間序列數(shù)據(jù)庫;GridDB：適用于存儲在時(shí)間序列中的傳感器數(shù)據(jù);LinkedIn Krati：簡單的持久性數(shù)據(jù)存儲，擁有低延遲和高吞吐量;Linkedin Voldemort：分布式鍵/值存儲系統(tǒng);Oracle NoSQL Database：Oracle公司開發(fā)的分布式鍵值數(shù)據(jù)庫;Redis：

15、內(nèi)存中的鍵值數(shù)據(jù)存儲;Riak：分散式數(shù)據(jù)存儲;Storehaus：Twitter開發(fā)的異步鍵值存儲的庫;Tarantool：一個(gè)高效的NoSQL數(shù)據(jù)庫和Lua應(yīng)用服務(wù)器;TiKV：由Google Spanner和HBase授權(quán)，Rust提供技術(shù)支持的分布式鍵值數(shù)據(jù)庫;TreodeDB：可復(fù)制、共享的鍵-值存儲，能提供多行原子寫入。圖形數(shù)據(jù)模型Apache Giraph：基于Hadoop的Pregel實(shí)現(xiàn);Apache Spark Bagel：可實(shí)現(xiàn)Pregel，為Spark的一部分;ArangoDB：多層模型分布式數(shù)據(jù)庫;DGraph：一個(gè)可擴(kuò)展的、分布式、低時(shí)延、高吞吐量的圖形數(shù)據(jù)庫，旨在

16、為Google生產(chǎn)水平規(guī)模和吞吐量提供足夠的低延遲，用于TB級的結(jié)構(gòu)化數(shù)據(jù)的實(shí)時(shí)用戶查詢;Facebook TAO：TAO是facebook廣泛用來存儲和服務(wù)于社交圖形的分布式數(shù)據(jù)存儲;GCHQ Gaffer：GCHQ中的Gaffer是一個(gè)易于存儲大規(guī)模圖形的框架，其中節(jié)點(diǎn)和邊緣都有統(tǒng)計(jì)數(shù)據(jù);Google Cayley：開源圖形數(shù)據(jù)庫;Google Pregel ：圖形處理框架;GraphLab PowerGraph：核心C + GraphLab API和建立在GraphLab API之上的高性能機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘工具包的集合;GraphX：Spark中的彈性分布式圖形系統(tǒng);Gremlin：圖

17、形追蹤語言;Infovore：以RDF為中心的Map / Reduce框架;Intel GraphBuilder：在Hadoop上構(gòu)建大規(guī)模圖形的工具;MapGraph：用于在GPU上大規(guī)模并行圖形處理;Neo4j：完全用Java寫入的圖形數(shù)據(jù)庫;OrientDB：文檔和圖形數(shù)據(jù)庫;Phoebus：大型圖形處理框架;Titan：建于Cassandra的分布式圖形數(shù)據(jù)庫;Twitter FlockDB：分布式圖形數(shù)據(jù)庫。NewSQL數(shù)據(jù)庫Actian Ingres：由商業(yè)支持，開源的SQL關(guān)系數(shù)據(jù)庫管理系統(tǒng);Amazon RedShift：基于PostgreSQL的數(shù)據(jù)倉庫服務(wù);BayesDB：

18、面向統(tǒng)計(jì)數(shù)值的SQL數(shù)據(jù)庫;CitusDB：通過分區(qū)和復(fù)制橫向擴(kuò)展PostgreSQL;Cockroach：可擴(kuò)展、地址可復(fù)制、交易型的數(shù)據(jù)庫;Datomic：旨在產(chǎn)生可擴(kuò)展、靈活的智能應(yīng)用的分布式數(shù)據(jù)庫;FoundationDB：由F1授意的分布式數(shù)據(jù)庫;Google F1：建立在Spanner上的分布式SQL數(shù)據(jù)庫;Google Spanner：全球性的分布式半關(guān)系型數(shù)據(jù)庫;H-Store：是一個(gè)實(shí)驗(yàn)性主存并行數(shù)據(jù)庫管理系統(tǒng)，用于聯(lián)機(jī)事務(wù)處理(OLTP)應(yīng)用的優(yōu)化;Haeinsa：基于Percolator，HBase的線性可擴(kuò)展多行多表交易庫;HandlerSocket：MySQL/Mar

19、iaDB的NoSQL插件;InfiniSQL：無限可擴(kuò)展的RDBMS;MemSQL：內(nèi)存中的SQL數(shù)據(jù)庫，其中有優(yōu)化的閃存列存儲;NuoDB：SQL / ACID兼容的分布式數(shù)據(jù)庫;Oracle TimesTen in-Memory Database：內(nèi)存中具有持久性和可恢復(fù)性的關(guān)系型數(shù)據(jù)庫管理系統(tǒng);Pivotal GemFire XD：內(nèi)存中低延時(shí)的分布式SQL數(shù)據(jù)存儲，可為內(nèi)存列表數(shù)據(jù)提供SQL接口，在HDFS中較持久化;SAP HANA：是在內(nèi)存中面向列的關(guān)系型數(shù)據(jù)庫管理系統(tǒng);SenseiDB：分布式實(shí)時(shí)半結(jié)構(gòu)化的數(shù)據(jù)庫;Sky：用于行為數(shù)據(jù)的靈活、高性能分析的數(shù)據(jù)庫;Symmetric

20、DS：用于文件和數(shù)據(jù)庫同步的開源軟件;Map-D：為GPU內(nèi)存數(shù)據(jù)庫，也為大數(shù)據(jù)分析和可視化平臺;TiDB：TiDB是分布式SQL數(shù)據(jù)庫，基于谷歌F1的設(shè)計(jì)靈感;VoltDB：自稱為最快的內(nèi)存數(shù)據(jù)庫。列式數(shù)據(jù)庫注意：請?jiān)阪I-值數(shù)據(jù)模型 閱讀相關(guān)注釋。Columnar Storage：解釋什么是列存儲以及何時(shí)會(huì)需要用到它;Actian Vector：面向列的分析型數(shù)據(jù)庫;C-Store：面向列的DBMS;MonetDB：列存儲數(shù)據(jù)庫;Parquet：Hadoop的列存儲格式;Pivotal Greenplum：專門設(shè)計(jì)的、專用的分析數(shù)據(jù)倉庫，類似于傳統(tǒng)的基于行的工具，提供了一個(gè)列式工具;Vert

21、ica：用來管理大規(guī)模、快速增長的大量數(shù)據(jù)，當(dāng)用于數(shù)據(jù)倉庫時(shí)，能夠提供非常快的查詢性能;Google BigQuery ：谷歌的云產(chǎn)品，由其在Dremel的創(chuàng)始工作提供支持;Amazon Redshift ：亞馬遜的云產(chǎn)品，它也是基于柱狀數(shù)據(jù)存儲后端。時(shí)間序列數(shù)據(jù)庫Cube：使用MongoDB來存儲時(shí)間序列數(shù)據(jù);Axibase Time Series Database：在HBase之上的分布式時(shí)間序列數(shù)據(jù)庫，它包括內(nèi)置的Rule Engine、數(shù)據(jù)預(yù)測和可視化;Heroic：基于Cassandra和Elasticsearch的可擴(kuò)展的時(shí)間序列數(shù)據(jù)庫;InfluxDB：分布式時(shí)間序列數(shù)據(jù)庫;Ka

22、irosdb：類似于OpenTSDB但會(huì)考慮到Cassandra;OpenTSDB：在HBase上的分布式時(shí)間序列數(shù)據(jù)庫;Prometheus：一種時(shí)間序列數(shù)據(jù)庫和服務(wù)監(jiān)測系統(tǒng);Newts：一種基于Apache Cassandra的時(shí)間序列數(shù)據(jù)庫。類SQL處理Actian SQL for Hadoop：高性能交互式的SQL，可訪問所有的Hadoop數(shù)據(jù);Apache Drill：由Dremel授意的交互式分析框架;Apache HCatalog：Hadoop的表格和存儲管理層;Apache Hive：Hadoop的類SQL數(shù)據(jù)倉庫系統(tǒng);Apache Optiq：一種框架，可允許高效的查詢翻譯，

23、其中包括異構(gòu)性及聯(lián)合性數(shù)據(jù)的查詢;Apache Phoenix：Apache Phoenix 是 HBase 的 SQL 驅(qū)動(dòng);Cloudera Impala：由Dremel授意的交互式分析框架;Concurrent Lingual：Cascading中的類SQL查詢語言;Datasalt Splout SQL：用于大數(shù)據(jù)集的完整的SQL查詢工具;Facebook PrestoDB：分布式SQL查詢工具;Google BigQuery：交互式分析框架，Dremel的實(shí)現(xiàn);Pivotal HAWQ：Hadoop的類SQL的數(shù)據(jù)倉庫系統(tǒng);RainstorDB：用于存儲大規(guī)模PB級結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)

24、據(jù)的數(shù)據(jù)庫;Spark Catalyst：用于Spark和Shark的查詢優(yōu)化框架;SparkSQL：使用Spark操作結(jié)構(gòu)化數(shù)據(jù);Splice Machine：一個(gè)全功能的Hadoop上的SQL RDBMS，并帶有ACID事務(wù);Stinger：用于Hive的交互式查詢;Tajo：Hadoop的分布式數(shù)據(jù)倉庫系統(tǒng);Trafodion：為企業(yè)級的SQL-on-HBase針對大數(shù)據(jù)的事務(wù)或業(yè)務(wù)工作負(fù)載的解決方案。數(shù)據(jù)攝取Amazon Kinesis：大規(guī)模數(shù)據(jù)流的實(shí)時(shí)處理;Apache Chukwa：數(shù)據(jù)采集系統(tǒng);Apache Flume：管理大量日志數(shù)據(jù)的服務(wù);Apache Kafka：分布式發(fā)

25、布-訂閱消息系統(tǒng);Apache Sqoop：在Hadoop和結(jié)構(gòu)化的數(shù)據(jù)存儲區(qū)之間傳送數(shù)據(jù)的工具;Cloudera Morphlines：幫助 Solr、HBase和HDFS完成ETL的框架;Facebook Scribe：流日志數(shù)據(jù)聚合器;Fluentd：采集事件和日志的工具;Google Photon：實(shí)時(shí)連接多個(gè)數(shù)據(jù)流的分布式計(jì)算機(jī)系統(tǒng)，具有高可擴(kuò)展性和低延遲性;Heka：開源流處理軟件系統(tǒng);HIHO：用Hadoop連接不同數(shù)據(jù)源的框架;Kestrel：分布式消息隊(duì)列系統(tǒng);LinkedIn Databus：對數(shù)據(jù)庫更改捕獲的事件流;LinkedIn Kamikaze：壓縮已分類整型數(shù)組的

26、程序包;LinkedIn White Elephant：日志聚合器和儀表板;Logstash：用于管理事件和日志的工具;Netflix Suro：像基于Chukwa 的Storm和Samza一樣的日志聚合器;Pinterest Secor：是實(shí)現(xiàn)Kafka日志持久性的服務(wù);Linkedin Gobblin：LinkedIn的通用數(shù)據(jù)攝取框架;Skizze：是一種數(shù)據(jù)存儲略圖，使用概率性數(shù)據(jù)結(jié)構(gòu)來處理計(jì)數(shù)、略圖等相關(guān)的問題;StreamSets Data Collector：連續(xù)大數(shù)據(jù)采集的基礎(chǔ)設(shè)施，可簡單地使用IDE。服務(wù)編程Akka Toolkit：JVM中分布性、容錯(cuò)事件驅(qū)動(dòng)應(yīng)用程序的運(yùn)行

27、時(shí)間;Apache Avro：數(shù)據(jù)序列化系統(tǒng);Apache Curator：Apache ZooKeeper的Java庫;Apache Karaf：在任何OSGi框架之上運(yùn)行的OSGi運(yùn)行時(shí)間;Apache Thrift：構(gòu)建二進(jìn)制協(xié)議的框架;Apache Zookeeper：流程管理集中式服務(wù);Google Chubby：一種松耦合分布式系統(tǒng)鎖服務(wù);Linkedin Norbert：集群管理器;OpenMPI：消息傳遞框架;Serf：服務(wù)發(fā)現(xiàn)和協(xié)調(diào)的分散化解決方案;Spotify Luigi：一種構(gòu)建批處理作業(yè)的復(fù)雜管道的Python包，它能夠處理依賴性解析、工作流管理、可視化、故障處理、命

28、令行一體化等等問題;Spring XD：數(shù)據(jù)攝取、實(shí)時(shí)分析、批量處理和數(shù)據(jù)導(dǎo)出的分布式、可擴(kuò)展系統(tǒng);Twitter Elephant Bird：LZO壓縮數(shù)據(jù)的工作庫;Twitter Finagle：JVM的異步網(wǎng)絡(luò)堆棧。調(diào)度Apache Aurora：在Apache Mesos之上運(yùn)行的服務(wù)調(diào)度程序;Apache Falcon：數(shù)據(jù)管理框架;Apache Oozie：工作流作業(yè)調(diào)度程序;Chronos：分布式容錯(cuò)調(diào)度;Linkedin Azkaban：批處理工作流作業(yè)調(diào)度;Schedoscope：Hadoop作業(yè)敏捷調(diào)度的Scala DSL;Sparrow：調(diào)度平臺;Airflow：一個(gè)以編

29、程方式編寫、調(diào)度和監(jiān)控工作流的平臺。機(jī)器學(xué)習(xí)Apache Mahout：Hadoop的機(jī)器學(xué)習(xí)庫;brain：JavaScript中的神經(jīng)網(wǎng)絡(luò);Cloudera Oryx：實(shí)時(shí)大規(guī)模機(jī)器學(xué)習(xí);Concurrent Pattern：Cascading的機(jī)器學(xué)習(xí)庫;convnetjs：Javascript中的機(jī)器學(xué)習(xí)，在瀏覽器中訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)(或普通網(wǎng)絡(luò));Decider：Ruby中靈活、可擴(kuò)展的機(jī)器學(xué)習(xí);ENCOG：支持多種先進(jìn)算法的機(jī)器學(xué)習(xí)框架，同時(shí)支持類的標(biāo)準(zhǔn)化和處理數(shù)據(jù);etcML：機(jī)器學(xué)習(xí)文本分類;Etsy Conjecture：Scalding中可擴(kuò)展的機(jī)器學(xué)習(xí);Google Sib

30、yl：Google中的大規(guī)模機(jī)器學(xué)習(xí)系統(tǒng);GraphLab Create：Python的機(jī)器學(xué)習(xí)平臺，包括ML工具包、數(shù)據(jù)工程和部署工具的廣泛集合;H2O：Hadoop統(tǒng)計(jì)性的機(jī)器學(xué)習(xí)和數(shù)學(xué)運(yùn)行時(shí)間;MLbase：用于BDAS堆棧的分布式機(jī)器學(xué)習(xí)庫;MLPNeuralNet：針對iOS和Mac OS X的快速多層感知神經(jīng)網(wǎng)絡(luò)庫;MonkeyLearn：使文本挖掘更為容易，從文本中提取分類數(shù)據(jù);nupic：智能計(jì)算的Numenta平臺，它是一個(gè)啟發(fā)大腦的機(jī)器智力平臺，基于皮質(zhì)學(xué)習(xí)算法的精準(zhǔn)的生物神經(jīng)網(wǎng)絡(luò);PredictionIO：建于Hadoop、Mahout和Cascading上的機(jī)器學(xué)習(xí)服務(wù)

31、器;SAMOA：分布式流媒體機(jī)器學(xué)習(xí)框架;scikit-learn：scikit-learn為Python中的機(jī)器學(xué)習(xí);Spark MLlib：Spark中一些常用的機(jī)器學(xué)習(xí)(ML)功能的實(shí)現(xiàn);Vowpal Wabbit：微軟和雅虎發(fā)起的學(xué)習(xí)系統(tǒng);WEKA：機(jī)器學(xué)習(xí)軟件套件;BidMach：CPU和加速GPU的機(jī)器學(xué)習(xí)庫?；鶞?zhǔn)測試Apache Hadoop Benchmarking：測試Hadoop性能的微基準(zhǔn);Berkeley SWIM Benchmark：現(xiàn)實(shí)大數(shù)據(jù)工作負(fù)載基準(zhǔn)測試;Intel HiBench：Hadoop基準(zhǔn)測試套件;PUMA Benchmarking：MapReduce

32、應(yīng)用的基準(zhǔn)測試套件;Yahoo Gridmix3：雅虎工程師團(tuán)隊(duì)的Hadoop集群基準(zhǔn)測試。安全性Apache Knox Gateway：Hadoop集群安全訪問的單點(diǎn);Apache Sentry：存儲在Hadoop的數(shù)據(jù)安全模塊。系統(tǒng)部署Apache Ambari：Hadoop管理的運(yùn)作框架;Apache Bigtop：Hadoop生態(tài)系統(tǒng)的部署框架;Apache Helix：集群管理框架;Apache Mesos：集群管理器;Apache Slider：一種YARN應(yīng)用，用來部署YARN中現(xiàn)有的分布式應(yīng)用程序;Apache Whirr：運(yùn)行云服務(wù)的庫集;Apache YARN：集群管理器;

33、Brooklyn：用于簡化應(yīng)用程序部署和管理的庫;Buildoop：基于Groovy語言，和Apache BigTop類似;Cloudera HUE：和Hadoop進(jìn)行交互的Web應(yīng)用程序;Facebook Prism：多數(shù)據(jù)中心復(fù)制系統(tǒng);Google Borg：作業(yè)調(diào)度和監(jiān)控系統(tǒng);Google Omega：作業(yè)調(diào)度和監(jiān)控系統(tǒng);Hortonworks HOYA：可在YARN上部署HBase集群的應(yīng)用;Marathon：用于長期運(yùn)行服務(wù)的Mesos框架。應(yīng)用程序Adobe spindle：使用Scala、Spark和Parquet處理的下一代web分析;Apache Kiji：基于HBase，實(shí)

34、時(shí)采集和分析數(shù)據(jù)的框架;Apache Nutch：開源網(wǎng)絡(luò)爬蟲;Apache OODT：用于NASA科學(xué)檔案中數(shù)據(jù)的捕獲、處理和共享;Apache Tika：內(nèi)容分析工具包;Argus：時(shí)間序列監(jiān)測和報(bào)警平臺;Countly：基于Node.js和MongoDB，開源的手機(jī)和網(wǎng)絡(luò)分析平臺;Domino：運(yùn)行、規(guī)劃、共享和部署模型沒有任何基礎(chǔ)設(shè)施;Eclipse BIRT：基于Eclipse的報(bào)告系統(tǒng);Eventhub：開源的事件分析平臺;Hermes：建于Kafka上的異步消息代理;HIPI Library：在Hadoops MapReduce上執(zhí)行圖像處理任務(wù)的API;Hunk：Hadoop的

35、Splunk分析;Imhotep：大規(guī)模分析平臺;MADlib：RDBMS的用于數(shù)據(jù)分析的數(shù)據(jù)處理庫;Kylin：來自eBay的開源分布式分析工具;PivotalR：Pivotal HD / HAWQ和PostgreSQL中的R;Qubole：為自動(dòng)縮放Hadoop集群，內(nèi)置的數(shù)據(jù)連接器;Sense：用于數(shù)據(jù)科學(xué)和大數(shù)據(jù)分析的云平臺;SnappyData：用于實(shí)時(shí)運(yùn)營分析的分布式內(nèi)存數(shù)據(jù)存儲，提供建立在Spark單一集成集群中的數(shù)據(jù)流分析、OLTP(聯(lián)機(jī)事務(wù)處理)和OLAP(聯(lián)機(jī)分析處理);Snowplow：企業(yè)級網(wǎng)絡(luò)和事件分析，由Hadoop、Kinesis、Redshift 和Postgr

36、es提供技術(shù)支持;SparkR：Spark的R前端;Splunk：用于機(jī)器生成的數(shù)據(jù)的分析;Sumo Logic：基于云的分析儀，用于分析機(jī)器生成的數(shù)據(jù);Talend：用于YARN、Hadoop、HBASE、Hive、HCatalog和Pig的統(tǒng)一開源環(huán)境;Warp：利用大數(shù)據(jù)(OS X app)的實(shí)例查詢工具。搜索引擎與框架Apache Lucene：搜索引擎庫;Apache Solr：用于Apache Lucene的搜索平臺;ElasticSearch：基于Apache Lucene的搜索和分析引擎;Enigma.io：為免費(fèi)增值的健壯性web應(yīng)用，用于探索、篩選、分析、搜索和導(dǎo)出來自網(wǎng)絡(luò)

37、的大規(guī)模數(shù)據(jù)集;Facebook Unicorn：社交圖形搜索平臺;Google Caffeine：連續(xù)索引系統(tǒng);Google Percolator：連續(xù)索引系統(tǒng);TeraGoogle：大型搜索索引;HBase Coprocessor：為Percolator的實(shí)現(xiàn)，HBase的一部分;Lily HBase Indexer：快速、輕松地搜索存儲在HBase的任何內(nèi)容;LinkedIn Bobo：完全由Java編寫的分面搜索的實(shí)現(xiàn)，為Apache Lucene的延伸;LinkedIn Cleo：為一個(gè)一個(gè)靈活的軟件庫，使得局部、無序、實(shí)時(shí)預(yù)輸入的搜索實(shí)現(xiàn)了快速發(fā)展;LinkedIn Galene：

38、LinkedIn搜索架構(gòu);LinkedIn Zoie：是用Java編寫的實(shí)時(shí)搜索/索引系統(tǒng);Sphinx Search Server：全文搜索引擎MySQL的分支和演化Amazon RDS：亞馬遜云的MySQL數(shù)據(jù)庫;Drizzle：MySQL的6.0的演化;Google Cloud SQL：谷歌云的MySQL數(shù)據(jù)庫;MariaDB：MySQL的增強(qiáng)版嵌入式替代品;MySQL Cluster：使用NDB集群存儲引擎的MySQL實(shí)現(xiàn);Percona Server：MySQL的增強(qiáng)版嵌入式替代品;ProxySQL：MySQL的高性能代理;TokuDB：用于MySQL和 MariaDB的存儲引擎;W

39、ebScaleSQL：運(yùn)行MySQL時(shí)面臨類似挑戰(zhàn)的幾家公司，它們的工程師之間的合作。PostgreSQL的分支和演化Yahoo Everest - multi-peta-byte database / MPP derived by PostgreSQL.HadoopDB：MapReduce和DBMS的混合體;IBM Netezza：高性能數(shù)據(jù)倉庫設(shè)備;Postgres-XL：基于PostgreSQL，可擴(kuò)展的開源數(shù)據(jù)庫集群;RecDB：完全建立在PostgreSQL內(nèi)部的開源推薦引擎;Stado：開源MPP數(shù)據(jù)庫系統(tǒng)，只針對數(shù)據(jù)倉庫和數(shù)據(jù)集市的應(yīng)用程序;Yahoo Everest：Postg

40、reSQL可以推導(dǎo)多字節(jié)P比特?cái)?shù)據(jù)庫/MPP。Memcached的分支和演化Facebook McDipper：閃存的鍵/值緩存;Facebook Memcached：Memcache的分支;Twemproxy：Memcached和Redis的快速、輕型代理;Twitter Fatcache：閃存的鍵/值緩存;Twitter Twemcache：Memcache的分支。嵌入式數(shù)據(jù)庫Actian PSQL：Pervasive Software公司開發(fā)的ACID兼容的DBMS，在應(yīng)用程序中嵌入了優(yōu)化;BerkeleyDB：為鍵/值數(shù)據(jù)提供一個(gè)高性能的嵌入式數(shù)據(jù)庫的一個(gè)軟件庫;HanoiDB：Erl

41、ang LSM BTree存儲;LevelDB：谷歌寫的一個(gè)快速鍵-值存儲庫，它提供了從字符串鍵到字符串值的有序映射;LMDB：Symas開發(fā)的超快、超緊湊的鍵-值嵌入的式數(shù)據(jù)存儲;RocksDB：基于性LevelDB，用于快速存儲的嵌入式持續(xù)性鍵-值存儲。商業(yè)智能BIME Analytics：商業(yè)智能云平臺;Chartio：精益業(yè)務(wù)智能平臺，用于可視化和探索數(shù)據(jù);datapine：基于云的自助服務(wù)商業(yè)智能工具;Jaspersoft：功能強(qiáng)大的商業(yè)智能套件;Jedox Palo：定制的商業(yè)智能平臺;Microsoft：商業(yè)智能軟件和平臺;Microstrategy：商業(yè)智能、移動(dòng)智能和網(wǎng)絡(luò)應(yīng)用

42、軟件平臺;Pentaho：商業(yè)智能平臺;Qlik：商業(yè)智能和分析平臺;Saiku：開源的分析平臺;SpagoBI：開源商業(yè)智能平臺;Tableau：商業(yè)智能平臺;Zoomdata：大數(shù)據(jù)分析;Jethrodata：交互式大數(shù)據(jù)分析。數(shù)據(jù)可視化Airpal：用于PrestoDB的網(wǎng)頁UI;Arbor：利用網(wǎng)絡(luò)工作者和jQuery的圖形可視化庫;Banana：對存儲在Kibana中Solr. Port的日志和時(shí)戳數(shù)據(jù)進(jìn)行可視化;Bokeh：一個(gè)功能強(qiáng)大的Python交互式可視化庫，它針對要展示的現(xiàn)代web瀏覽器，旨在為D3.js風(fēng)格的新奇的圖形提供優(yōu)雅簡潔的設(shè)計(jì)，同時(shí)在大規(guī)模數(shù)據(jù)或流數(shù)據(jù)集中，通過

43、高性能交互性來表達(dá)這種能力;C3：基于D3可重復(fù)使用的圖表庫;CartoDB：開源或免費(fèi)增值的虛擬主機(jī)，用于帶有強(qiáng)大的前端編輯功能和API的地理空間數(shù)據(jù)庫;chartd：只帶Img標(biāo)簽的反應(yīng)靈敏、兼容Retina的圖表;Chart.js：開源的HTML5圖表可視化效果;Chartist.js：另一個(gè)開源HTML5圖表可視化效果;Crossfilter：JavaScript庫，用于在瀏覽器中探索多元大數(shù)據(jù)集，用Dc.js和D3.js.效果很好;Cubism：用于時(shí)間序列可視化的JavaScript庫;Cytoscape：用于可視化復(fù)雜網(wǎng)絡(luò)的JavaScript庫;DC.js：維度圖表，和Cros

44、sfilter一起使用，通過D3.js呈現(xiàn)出來，它比較擅長連接圖表/附加的元數(shù)據(jù)，從而徘徊在D3的事件附近;D3：操作文件的JavaScript庫;Dpose：從可重復(fù)使用的圖表和組件構(gòu)成復(fù)雜的、數(shù)據(jù)驅(qū)動(dòng)的可視化;D3Plus：一組相當(dāng)強(qiáng)大的可重用的圖表，還有D3.js的樣式;Echarts：百度企業(yè)場景圖表;Envisionjs：動(dòng)態(tài)HTML5可視化;FnordMetric：寫SQL查詢，返回SVG圖表，而不是表;Freeboard：針對IOT和其他Web混搭的開源實(shí)時(shí)儀表盤構(gòu)建;Gephi：屢獲殊榮的開源平臺，可視化和操縱大型圖形和網(wǎng)絡(luò)連接，有點(diǎn)像Photoshop，但是針對于圖表，適用于

45、Windows和Mac OS X;Google Charts：簡單的圖表API;Grafana：石墨儀表板前端、編輯器和圖形組合器;Graphite：可擴(kuò)展的實(shí)時(shí)圖表;Highcharts：簡單而靈活的圖表API;IPython：為交互式計(jì)算提供豐富的架構(gòu);Kibana：可視化日志和時(shí)間標(biāo)記數(shù)據(jù);Matplotlib：Python繪圖;Metricsgraphic.js：建立在D3之上的庫，針對時(shí)間序列數(shù)據(jù)進(jìn)行最優(yōu)化;NVD3：d3.js的圖表組件;Peity：漸進(jìn)式SVG條形圖，折線和餅圖;Plot.ly：易于使用的Web服務(wù)，它允許快速創(chuàng)建從熱圖到直方圖等復(fù)雜的圖表，使用圖表Plotly的

46、在線電子表格上傳數(shù)據(jù)進(jìn)行創(chuàng)建和設(shè)計(jì);Plotly.js：支持plotly的開源JavaScript圖形庫;Recline：簡單但功能強(qiáng)大的庫，純粹利用JavaScript和HTML構(gòu)建數(shù)據(jù)應(yīng)用;Redash：查詢和可視化數(shù)據(jù)的開源平臺;Shiny：針對R的Web應(yīng)用程序框架;Sigma.js：JavaScript庫，專門用于圖形繪制;Vega：一個(gè)可視化語法;Zeppelin：一個(gè)筆記本式的協(xié)作數(shù)據(jù)分析;Zing Charts：用于大數(shù)據(jù)的JavaScript圖表庫。物聯(lián)網(wǎng)和傳感器TempoIQ：基于云的傳感器分析;2lemetry：物聯(lián)網(wǎng)平臺;Pubnub：數(shù)據(jù)流網(wǎng)絡(luò);ThingWorx：T

47、hingWorx 是讓企業(yè)快速創(chuàng)建和運(yùn)行互聯(lián)應(yīng)用程序平臺;IFTTT：IFTTT 是一個(gè)被稱為 “網(wǎng)絡(luò)自動(dòng)化神器” 的創(chuàng)新型互聯(lián)網(wǎng)服務(wù)，它的全稱是 If this then that，意思是“如果這樣，那么就那樣”;Evrythng：Evrythng則是一款真正意義上的大眾物聯(lián)網(wǎng)平臺，使得身邊的很多產(chǎn)品變得智能化。文章推薦NoSQL Comparison(NoSQL 比較)- Cassandra vs MongoDB vs CouchDB vs Redis vs Riak vs HBase vs Couchbase vs Neo4j vs Hypertable vs ElasticSearch

48、 vs Accumulo vs VoltDB vs Scalaris comparison;Big Data Benchmark(大數(shù)據(jù)基準(zhǔn))- Redshift, Hive, Shark, Impala and Stiger/Tez的基準(zhǔn);The big data successor of the spreadsheet(電子表格的大數(shù)據(jù)繼承者) - 電子表格的繼承者應(yīng)該是大數(shù)據(jù)。論文2015 - 20162015 - Facebook - One Trillion Edges: Graph Processing at Facebook-Scale.(一兆邊：Facebook規(guī)模的圖像處理)

49、2013 - 20142014 - Stanford - Mining of Massive Datasets.(海量數(shù)據(jù)集挖掘)2013 - AMPLab - Presto: Distributed Machine Learning and Graph Processing with Sparse Matrices. (Presto： 稀疏矩陣的分布式機(jī)器學(xué)習(xí)和圖像處理)2013 - AMPLab - MLbase: A Distributed Machine-learning System. (MLbase：分布式機(jī)器學(xué)習(xí)系統(tǒng))2013 - AMPLab - Shark: SQL and

50、Rich Analytics at Scale. (Shark: 大規(guī)模的SQL 和豐富的分析)2013 - AMPLab - GraphX: A Resilient Distributed Graph System on Spark. (GraphX:基于Spark的彈性分布式圖計(jì)算系統(tǒng))2013 - Google - HyperLogLog in Practice: Algorithmic Engineering of a State of The Art Cardinality Estimation Algorithm. (HyperLogLog實(shí)踐:一個(gè)藝術(shù)形態(tài)的基數(shù)估算算法)2013

51、 - Microsoft - Scalable Progressive Analytics on Big Data in the Cloud.(云端大數(shù)據(jù)的可擴(kuò)展性漸進(jìn)分析)2013 - Metamarkets - Druid: A Real-time Analytical Data Store. (Druid：實(shí)時(shí)分析數(shù)據(jù)存儲)2013 - Google - Online, Asynchronous Schema Change in F1.(F1中在線、異步模式的轉(zhuǎn)變)2013 - Google - F1: A Distributed SQL Database That Scales. (F

52、1: 分布式SQL數(shù)據(jù)庫)2013 - Google - MillWheel: Fault-Tolerant Stream Processing at Internet Scale.(MillWheel: 互聯(lián)網(wǎng)規(guī)模下的容錯(cuò)流處理)2013 - Facebook - Scuba: Diving into Data at Facebook. (Scuba: 深入Facebook的數(shù)據(jù)世界)2013 - Facebook - Unicorn: A System for Searching the Social Graph. (Unicorn: 一種搜索社交圖的系統(tǒng))2013 - Facebook

53、- Scaling Memcache at Facebook. (Facebook 對 Memcache 伸縮性的增強(qiáng))2011 - 20122012 - Twitter - The Unified Logging Infrastructure for Data Analytics at Twitter. (Twitter數(shù)據(jù)分析的統(tǒng)一日志基礎(chǔ)結(jié)構(gòu))2012 - AMPLab Blink and Its Done: Interactive Queries on Very Large Data. (Blink及其完成：超大規(guī)模數(shù)據(jù)的交互式查詢)2012 - AMPLab Fast and Int

54、eractive Analytics over Hadoop Data with Spark. (Spark上 Hadoop數(shù)據(jù)的快速交互式分析)2012 - AMPLab Shark: Fast Data Analysis Using Coarse-grained Distributed Memory. (Shark：使用粗粒度的分布式內(nèi)存快速數(shù)據(jù)分析)2012 - Microsoft Paxos Replicated State Machines as the Basis of a High-Performance Data Store. (Paxos的復(fù)制狀態(tài)機(jī)高性能數(shù)據(jù)存儲的基礎(chǔ))2012 - Microsoft Paxos Made Parallel. (Paxos算法實(shí)現(xiàn)并行)2012 - AMPLab BlinkDB：BlinkDB: Queries with Bounded Errors and Bounded Response Times on Very Large Data.(超大規(guī)模數(shù)據(jù)中有限誤差與有界響應(yīng)時(shí)間的查詢)2012 - Google Processing a trillion cells per mouse click.(每次點(diǎn)擊處理一兆個(gè)單元格)201