Chinaunix首页 | 论坛 | 博客
  • 博客访问: 571027
  • 博文数量: 50
  • 博客积分: 571
  • 博客等级: 中士
  • 技术积分: 1162
  • 用 户 组: 普通用户
  • 注册时间: 2012-01-20 14:01
个人简介

希望成为一个有思想,有信仰的程序设计师。

文章分类

全部博文(50)

文章存档

2016年(2)

2015年(2)

2014年(13)

2013年(10)

2012年(23)

分类: 云计算

2014-03-28 11:01:00

原文地址:开源大数据利器汇总 作者:Aquester

大数据利器.xls
类别 名称 官网 备注
查询引擎 Phoenix Salesforce公司出品,Apache HBase之上的一个SQL中间层,完全使用Java编写
Kylin 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 原叫Tez,下一代Hive,Hortonworks主导开发,运行在YARN上的DAG计算框架
Presto Facebook开源
Shark Spark上的SQL执行引擎,已演化成Spark-SQL和Hive on Spark
Pig 基于Hadoop MapReduce的脚本语言
Cloudera Impala 参照Google Dremel实现,能运行在HDFS或HBase上,使用C++开发
Apache Drill 参照Google Dremel实现
Apache Tajo 一个运行在YARN上支持SQL的分布式数据仓库
Hive 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 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 建立在Hadoop上基于BSP(Bulk Synchronous Parallel)的计算框架,模仿了Google的Pregel。
Apache Giraph 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 迭代的MapReduce
Twister 迭代的MapReduce
离线计算 Hadoop MapReduce 经典的大数据批处理系统
Berkeley Spark 使用Scala语言实现,和MapReduce有较大的竞争关系,性能强于MapReduce
Flink 和Spark类似的
Apache Ignite 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 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 从Interbase派生出来的,支持SQL,支持事务
键值存储 LevelDB Google开源的高效KV编程库,注意它只是个库
RocksDB 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 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 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 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 亚马逊的KV模式的存储平台,无主架构
Tair 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 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 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 一个可大规模伸缩、用 Erlang 编写的高可用数据存储
Vertica 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 Hadoop成员,Facebook于2008将Cassandra开源,基于O(1)DHT的完全P2P架构
HyperTable 搜索引擎公司Zvents针对Bigtable的C++开源实现
FoundationDB 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 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 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 面向文档的数据存储
MongoDB 文档数据库
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 GFS的C++开源版本
HDFS GFS在Hadoop中的实现
资源管理 Twitter Mesos Google Borg的翻版
Hadoop Yarn 类似于Mesos
日志收集系统 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 Cloudera提供的日志收集系统,支持对日志的实时性收集
logstash 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 为日志提供友好的Web查询页面
消息系统 StormMQ
ZeroMQ 很底层的高性能网络库
RabbitMQ 在AMQP基础上完整的,可复用的企业消息系统
Apache ActiveMQ 能力强劲的开源消息总线
Jafka 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 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 分布式锁服务,PoxOS算法的实现,对应Google的Chubby
rethinkdb
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 Hadoop中的RPC
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 RPC,支持C++/Java/PHP等众多语言
集群管理 Nagios 监视系统运行状态和网络信息的监视系统
Ganglia 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 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 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 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 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 开源Java 实现的搜索引擎,诞生Hadoop的地方。
Lucene 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 Solr是基于Lucene的搜索。
ElasticSearch 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 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 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 Hadoop成员,目标是建立一个可扩展的机器学习库
Iaas OpenStack 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 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 Google开源的容器集群管理系统
Imctfy Google开源的Linux容器

阅读(8510) | 评论(0) | 转发(0) |
给主人留下些什么吧!~~