大数据资源整理Word格式.docx

1、在Hadoop上的数据管理/分析框架;Damballa Parkour ：用于Clojure的MapReduce库;Datasalt Pangool ：可选择的MapReduce范例;DataTorrent StrAM ：为实时引擎，用于以尽可能畅通的方式、最小的开支和对性能最小的影响，实现分布式、异步、实时的内存大数据计算;Facebook Corona ：为Hadoop做优化处理，从而消除单点故障;Facebook Peregrine ：MapReduce框架;Facebook Scuba ：分布式内存数据存储;Google Dataflow ：创建数据管道，以帮助其分析框架;Netfli

2、x PigPen ：为MapReduce，用于编译成Apache Pig;Nokia Disco ：由Nokia开发的MapReduc获取、转换和分析数据;Google MapReduce ：Google MillWheel ：容错流处理框架;JAQL ：用于处理结构化、半结构化和非结构化数据工作的声明性编程语言;Kite ：为一组库、工具、实例和文档集，用于使在Hadoop的生态系统上建立系统更加容易;Metamarkets Druid ：用于大数据集的实时e框架;Onyx ：分布式云计算;Pinterest Pinlater ：异步任务执行系统;Pydoop ：用于Hadoop的Pytho

3、n MapReduce和HDFS API;Rackerlabs Blueflood ：多租户分布式测度处理系统;Stratosphere ：通用集群计算框架;Streamdrill ：用于计算基于不同时间窗口的事件流的活动，并找到最活跃的一个;Tuktu ：易于使用的用于分批处理和流计算的平台，通过Scala、 Akka和Play所建;Twitter Scalding：基于Cascading，用于Map Reduce工作的Scala库;Twitter Summingbird ：在Twitter上使用Scalding和Storm串流MapReduce;Twitter TSAR ：Twitter上

4、的时间序列聚合器。分布式文件系统Apache HDFS：在多台机器上存储大型文件的方式;BeeGFS：以前是FhGFS，并行分布式文件系统;Ceph Filesystem：设计的软件存储平台;Disco DDFS：分布式文件系统;Facebook Haystack：对象存储系统;Google Colossus：分布式文件系统（GFS2）;Google GFS：Google Megastore：可扩展的、高度可用的存储;GridGain：兼容GGFS、Hadoop内存的文件系统;Lustre file system：高性能分布式文件系统;Quantcast File System QFS：开源分

5、布式文件系统;Red Hat GlusterFS：向外扩展的附网存储（Network-attached Storage）文件系统;Seaweed-FS：简单的、高度可扩展的分布式文件系统;Alluxio：以可靠的存储速率在跨集群框架上文件共享;Tahoe-LAFS：分布式云存储系统;文件数据模型Actian Versant：商用的面向对象数据库管理系统;Crate Data：是一个开源的大规模可扩展的数据存储，需要零管理模式;Facebook Apollo：Facebook的Paxos算法，类似于NoSQL数据库;jumboDB：基于Hadoop的面向文档的数据存储;LinkedIn Espr

6、esso：可横向扩展的面向文档的NoSQL数据存储;MarkLogic：模式不可知的企业版NoSQL数据库技术;MongoDB：面向文档的数据库系统;RavenDB：一个事务性的，开源文档数据库;RethinkDB：支持连接查询和群组依据等查询的文档型数据库。Key Map 数据模型注意：业内存在一些术语混乱，有两个不同的东西都叫做“列式数据库”。这里列出的有一些是围绕“key-map”数据模型而建的分布式、持续型数据库，其中所有的数据都有（可能综合了）键，并与映射中的键-值对相关联。在一些系统中，多个这样的值映射可以与键相关联，并且这些映射被称为“列族”（具有映射值的键被称为“列”）。另一组

7、也可称为“列式数据库”的技术因其存储数据的方式而有别于前一组，它在磁盘上或在存储器中而不是以传统方式，即所有既定键的键值都相邻着、逐行存储。这些系统也彼此相邻来存储所有列值，但是要得到给定列的所有值却不需要以前那么繁复的工作。前一组在这里被称为“key map数据模型”，这两者和Key-value 数据模型之间的界限是相当模糊的。后者对数据模型有更多的存储格式，可在列式数据库中列出。Apache Accumulo：内置在Hadoop上的分布式键/值存储;Apache Cassandra：由BigTable授权，面向列的分布式数据存储;Apache HBase：Facebook HydraBas

8、e：Facebook所开发的HBase的衍化品;Google BigTable：面向列的分布式数据存储;Google Cloud Datastore：为完全管理型的无模式数据库，用于存储在BigTable上非关系型数据;Hypertable：InfiniDB：通过MySQL的接口访问，并使用大规模并行处理进行并行查询;Tephra：用于HBase处理;Twitter Manhattan：Twitter的实时、多租户分布式数据库。键-值数据模型Aerospike：支持NoSQL的闪存优化，数据存储在内存。开源，“C（不是Java或Erlang）中的服务器代码可精确地调整从而避免上下文切换和内存拷

9、贝”。Amazon DynamoDB：分布式键/值存储，Dynamo论文的实现;Edis：为替代Redis的协议兼容的服务器;ElephantDB：专门研究Hadoop中数据导出的分布式数据库;EventStore：分布式时间序列数据库;GridDB：适用于存储在时间序列中的传感器数据;LinkedIn Krati：简单的持久性数据存储，拥有低延迟和高吞吐量;Linkedin Voldemort：分布式键/值存储系统;Oracle NoSQL Database：Oracle公司开发的分布式键值数据库;Redis：内存中的键值数据存储;Riak：分散式数据存储;Storehaus：Twitter

10、开发的异步键值存储的库;Tarantool：一个高效的NoSQL数据库和Lua应用服务器;TiKV：由Google Spanner和HBase授权，Rust提供技术支持的分布式键值数据库;TreodeDB：可复制、共享的键-值存储，能提供多行原子写入。图形数据模型Apache Giraph：基于Hadoop的Pregel实现;Apache Spark Bagel：可实现Pregel，为Spark的一部分;ArangoDB：多层模型分布式数据库;DGraph：一个可扩展的、分布式、低时延、高吞吐量的图形数据库，旨在为Google生产水平规模和吞吐量提供足够的低延迟，用于TB级的结构化数据的实时用

11、户查询;Facebook TAO：TAO是facebook广泛用来存储和服务于社交图形的分布式数据存储;GCHQ Gaffer：GCHQ中的Gaffer是一个易于存储大规模图形的框架，其中节点和边缘都有统计数据;Google Cayley：开源图形数据库;Google Pregel ：图形处理框架;GraphLab PowerGraph：核心C + GraphLab API和建立在GraphLab API之上的高性能机器学习和数据挖掘工具包的集合;GraphX：Spark中的弹性分布式图形系统;Gremlin：图形追踪语言;Infovore：以RDF为中心的Map / Reduce框架;Int

12、elGraphBuilder：在Hadoop上构建大规模图形的工具;MapGraph：用于在GPU上大规模并行图形处理;Neo4j：完全用Java写入的图形数据库;OrientDB：文档和图形数据库;Phoebus：大型图形处理框架;Titan：建于Cassandra的分布式图形数据库;Twitter FlockDB：分布式图形数据库。NewSQL数据库Actian Ingres：由商业支持，开源的SQL关系数据库管理系统;Amazon RedShift：基于PostgreSQL的数据仓库服务;BayesDB：面向统计数值的SQL数据库;CitusDB：通过分区和复制横向扩展PostgreSQ

13、L;Cockroach：可扩展、地址可复制、交易型的数据库;Datomic：旨在产生可扩展、灵活的智能应用的分布式数据库;FoundationDB：由F1授意的分布式数据库;Google F1：建立在Spanner上的分布式SQL数据库;Google Spanner：全球性的分布式半关系型数据库;H-Store：是一个实验性主存并行数据库管理系统，用于联机事务处理（OLTP）应用的优化;Haeinsa：基于Percolator，HBase的线性可扩展多行多表交易库;HandlerSocket：MySQL/MariaDB的NoSQL插件;InfiniSQL：无限可扩展的RDBMS;MemSQL：

14、内存中的SQL数据库，其中有优化的闪存列存储;NuoDB：SQL / ACID兼容的分布式数据库;Oracle TimesTen in-Memory Database：内存中具有持久性和可恢复性的关系型数据库管理系统;Pivotal GemFire XD：内存中低延时的分布式SQL数据存储，可为内存列表数据提供SQL接口，在HDFS中较持久化;SAP HANA：是在内存中面向列的关系型数据库管理系统;SenseiDB：分布式实时半结构化的数据库;Sky：用于行为数据的灵活、高性能分析的数据库;SymmetricDS：用于文件和数据库同步的开源软件;Map-D：为GPU内存数据库，也为大数据分析

15、和可视化平台;TiDB：TiDB是分布式SQL数据库，基于谷歌F1的设计灵感;VoltDB：自称为最快的内存数据库。列式数据库请在键-值数据模型 阅读相关注释。Columnar Storage：解释什么是列存储以及何时会需要用到它;Actian Vector：面向列的分析型数据库;C-Store：面向列的DBMS;MonetDB：列存储数据库;Parquet：Hadoop的列存储格式;Pivotal Greenplum：专门设计的、专用的分析数据仓库，类似于传统的基于行的工具，提供了一个列式工具;Vertica：用来管理大规模、快速增长的大量数据，当用于数据仓库时，能够提供非常快的查询性能;G

16、oogle BigQuery ：谷歌的云产品，由其在Dremel的创始工作提供支持;Amazon Redshift ：亚马逊的云产品，它也是基于柱状数据存储后端。时间序列数据库Cube：使用MongoDB来存储时间序列数据;Axibase Time Series Database：在HBase之上的分布式时间序列数据库，它包括内置的Rule Engine、数据预测和可视化;Heroic：基于Cassandra和Elasticsearch的可扩展的时间序列数据库;InfluxDB：Kairosdb：类似于OpenTSDB但会考虑到Cassandra;OpenTSDB：在HBase上的分布式时间序

17、列数据库;Prometheus：一种时间序列数据库和服务监测系统;Newts：一种基于Apache Cassandra的时间序列数据库。类SQL处理Actian SQL for Hadoop：高性能交互式的SQL，可访问所有的Hadoop数据;Apache Drill：由Dremel授意的交互式分析框架;Apache HCatalog：Hadoop的表格和存储管理层;Apache Hive：Hadoop的类SQL数据仓库系统;Apache Optiq：一种框架，可允许高效的查询翻译，其中包括异构性及联合性数据的查询;Apache Phoenix：Apache Phoenix 是 HBase 的

18、 SQL 驱动;Cloudera Impala：Concurrent Lingual：Cascading中的类SQL查询语言;Datasalt Splout SQL：用于大数据集的完整的SQL查询工具;Facebook PrestoDB：分布式SQL查询工具;Google BigQuery：交互式分析框架，Dremel的实现;Pivotal HAWQ：Hadoop的类SQL的数据仓库系统;RainstorDB：用于存储大规模PB级结构化和半结构化数据的数据库;Spark Catalyst：用于Spark和Shark的查询优化框架;SparkSQL：使用Spark操作结构化数据;Splice M

19、achine：一个全功能的Hadoop上的SQL RDBMS，并带有ACID事务;Stinger：用于Hive的交互式查询;Tajo：Hadoop的分布式数据仓库系统;Trafodion：为企业级的SQL-on-HBase针对大数据的事务或业务工作负载的解决方案。数据摄取Amazon Kinesis：大规模数据流的实时处理;Apache Chukwa：数据采集系统;Apache Flume：管理大量日志数据的服务;Apache Kafka：分布式发布-订阅消息系统;Apache Sqoop：在Hadoop和结构化的数据存储区之间传送数据的工具;Cloudera Morphlines：帮助 So

20、lr、HBase和HDFS完成ETL的框架;Facebook Scribe：流日志数据聚合器;Fluentd：采集事件和日志的工具;Google Photon：实时连接多个数据流的分布式计算机系统，具有高可扩展性和低延迟性;Heka：开源流处理软件系统;HIHO：用Hadoop连接不同数据源的框架;Kestrel：分布式消息队列系统;LinkedIn Databus：对数据库更改捕获的事件流;LinkedIn Kamikaze：压缩已分类整型数组的程序包;LinkedIn White Elephant：日志聚合器和仪表板;Logstash：用于管理事件和日志的工具;Netflix Suro：像

21、基于Chukwa 的Storm和Samza一样的日志聚合器;Pinterest Secor：是实现Kafka日志持久性的服务;Linkedin Gobblin：LinkedIn的通用数据摄取框架;Skizze：是一种数据存储略图，使用概率性数据结构来处理计数、略图等相关的问题;StreamSets Data Collector：连续大数据采集的基础设施，可简单地使用IDE。服务编程Akka Toolkit：JVM中分布性、容错事件驱动应用程序的运行时间;Apache Avro：数据序列化系统;Apache Curator：Apache ZooKeeper的Java库;Apache Karaf：

22、在任何OSGi框架之上运行的OSGi运行时间;Apache Thrift：构建二进制协议的框架;Apache Zookeeper：流程管理集中式服务;Google Chubby：一种松耦合分布式系统锁服务;Linkedin Norbert：集群管理器;OpenMPI：消息传递框架;Serf：服务发现和协调的分散化解决方案;Spotify Luigi：一种构建批处理作业的复杂管道的Python包，它能够处理依赖性解析、工作流管理、可视化、故障处理、命令行一体化等等问题;Spring XD：数据摄取、实时分析、批量处理和数据导出的分布式、可扩展系统;Twitter Elephant Bird：LZ

23、O压缩数据的工作库;Twitter Finagle：JVM的异步网络堆栈。调度Apache Aurora：在Apache Mesos之上运行的服务调度程序;Apache Falcon：数据管理框架;Apache Oozie：工作流作业调度程序;Chronos：分布式容错调度;Linkedin Azkaban：批处理工作流作业调度;Schedoscope：Hadoop作业敏捷调度的Scala DSL;Sparrow：调度平台;Airflow：一个以编程方式编写、调度和监控工作流的平台。机器学习Apache Mahout：Hadoop的机器学习库;brain：JavaScript中的神经网络;Cl

24、oudera Oryx：实时大规模机器学习;Concurrent Pattern：Cascading的机器学习库;convnetjs：Javascript中的机器学习，在浏览器中训练卷积神经网络（或普通网络）;Decider：Ruby中灵活、可扩展的机器学习;ENCOG：支持多种先进算法的机器学习框架，同时支持类的标准化和处理数据;etcML：机器学习文本分类;Etsy Conjecture：Scalding中可扩展的机器学习;Google Sibyl：Google中的大规模机器学习系统;GraphLab Create：Python的机器学习平台，包括ML工具包、数据工程和部署工具的广泛集合;

25、H2O：Hadoop统计性的机器学习和数学运行时间;MLbase：用于BDAS堆栈的分布式机器学习库;MLPNeuralNet：针对iOS和Mac OS X的快速多层感知神经网络库;MonkeyLearn：使文本挖掘更为容易，从文本中提取分类数据;nupic：智能计算的Numenta平台，它是一个启发大脑的机器智力平台，基于皮质学习算法的精准的生物神经网络;PredictionIO：建于Hadoop、Mahout和Cascading上的机器学习服务器;SAMOA：分布式流媒体机器学习框架;scikit-learn：scikit-learn为Python中的机器学习;Spark MLlib：Sp

26、ark中一些常用的机器学习（ML）功能的实现;Vowpal Wabbit：微软和雅虎发起的学习系统;WEKA：机器学习软件套件;BidMach：CPU和加速GPU的机器学习库。基准测试Apache Hadoop Benchmarking：测试Hadoop性能的微基准;Berkeley SWIM Benchmark：现实大数据工作负载基准测试;Intel HiBench：Hadoop基准测试套件;PUMA Benchmarking：MapReduce应用的基准测试套件;Yahoo Gridmix3：雅虎工程师团队的Hadoop集群基准测试。安全性Apache Knox Gateway：Hadoo

27、p集群安全访问的单点;Apache Sentry：存储在Hadoop的数据安全模块。系统部署Apache Ambari：Hadoop管理的运作框架;Apache Bigtop：Hadoop生态系统的部署框架;Apache Helix：集群管理框架;Apache Mesos：Apache Slider：一种YARN应用，用来部署YARN中现有的分布式应用程序;Apache Whirr：运行云服务的库集;Apache YARN：Brooklyn：用于简化应用程序部署和管理的库;Buildoop：基于Groovy语言，和Apache BigTop类似;Cloudera HUE：和Hadoop进行交互的Web应用程序;Facebook Prism：多数据中心复制系统;Google Borg：作业调度和监控系统;Google Omega：Hortonworks HOYA：可在YARN上部署HBase集群的应用;Marathon：用于长期运行服务的Mesos框架。应用程序Adobe spindle：使用Scala、Spark和Parquet处理的下一代web分析;Apache Kiji：基于HBase，实时采集和分析数据的框架;Apache Nutch：开源网络爬