大數據工具集

類別	名稱	官網	備註
查詢引擎	Phoenix	http://phoenix.incubator.apache.org/	Salesforce公司出品，Apache HBase之上的一個SQL中間層，徹底使用Java編寫
	Stinger	http://hortonworks.com/labs/stinger/	原叫Tez，下一代Hive,Hortonworks主導開發，運行在YARN上的DAG計算框架
		http://tez.incubator.apache.org/
	Presto	http://prestodb.io/	Facebook開源
	Shark	http://shark.cs.berkeley.edu/	Spark上的SQL執行引擎
	Pig	http://pig.apache.org/	基於Hadoop MapReduce的腳本語言
	Cloudera Impala	http://www.cloudera.com/content/cloudera/en/products-and-services/cdh/impala.html	參照Google Dremel實現，能運行在HDFS或HBase上，使用C++開發
	Apache Drill	http://incubator.apache.org/drill/	參照Google Dremel實現
	Apache Tajo	http://tajo.incubator.apache.org/	一個運行在YARN上支持SQL的分佈式數據倉庫
	Hive	http://hive.apache.org/	基於Hadoop MapReduce的SQL查詢引擎
流式計算	Facebook Puma		實時數據流分析
	Twitter Rainbird		分佈式實時統計系統，如網站的點擊統計
	Yahoo S4	http://incubator.apache.org/s4/	Java開發的一個通用的、分佈式的、可擴展的、分區容錯的、可插拔的無主架構的流式系統
	Twitter Storm	http://storm.incubator.apache.org/	使用Java和Clojure實現
迭代計算	Apache Hama	https://hama.apache.org/	創建在Hadoop上基於BSP（Bulk Synchronous Parallel）的計算框架，模仿了Google的Pregel。
	Apache Giraph	https://giraph.apache.org/	創建在Hadoop上的可伸縮的分佈式迭代圖處理系統，靈感來自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
離線計算	Hadoop MapReduce	http://hadoop.apache.org/	經典的大數據批處理系統
	Berkeley Spark	http://spark.incubator.apache.org/	使用Scala語言實現，和MapReduce有較大的競爭關係，性能強於MapReduce
		http://shark.cs.berkeley.edu/
	DataTorrent	http://www.datatorrent.com/	基於Hadoop2.X構建的實時流式處理和分析平臺，每秒能夠處理超過10億個實時事件
鍵值存儲	LevelDB	https://code.google.com/p/leveldb/	Google開源的高效KV編程庫，注意它只是個庫
	RocksDB	http://rocksdb.org/	Facebook開源的，基於Google的LevelDB，但提升了擴展性能夠運行在多核處理器上
	HyperDex	http://hyperdex.org/	下一代KV存儲系統，支持strings、integers、floats、lists、maps和sets等豐富的數據類型
	TokyoCabinet	http://fallabs.com/tokyocabinet/	日本人Mikio Hirabayashi（平林幹雄）開發的一款DBM數據庫，注意它只是個庫（大名鼎鼎的DBM數據庫qdbm就是Mikio Hirabayashi開發的）,讀寫很是快
	Voldemort	http://www.project-voldemort.com/voldemort/	一個分佈式鍵值存儲系統，是Amazon Dynamo的一個開源克隆，LinkedIn開源
	Amazon Dynamo	https://github.com/dynamo/dynamo	亞馬遜的KV模式的存儲平臺，無主架構
	Tair	http://tair.taobao.org/	淘寶出品的高性能、分佈式、可擴展、高可靠的KV結構存儲系統，專爲小文件優化，並提供簡單易用的接口（相似Map），Tair支持Java和C版本的客戶端
	Apache Accumulo	https://accumulo.apache.org/	一個可靠的、可伸縮的、高性能的排序分佈式的KV存儲系統，參照Google Bigtable而設計，創建在Hadoop、Thrift和Zookeeper之上。
	Redis	http://redis.io/	使用ANSI C語言編寫、支持網絡、可基於內存亦可持久化的日誌型、單機版KV數據庫。從2010年3月15日起，Redis的開發工做由VMware主持
表格存儲	OceanBase	http://alibaba.github.io/oceanbase/	支持海量數據的高性能分佈式數據庫系統，實現了數千億條記錄、數百TB數據上的跨行跨表事務
	Amazon SimpleDB	http://aws.amazon.com/cn/simpledb/	一個可大規模伸縮、用 Erlang 編寫的高可用數據存儲
	Vertica	http://www.vertica.com/	惠普2011收購Vertica，Vertica是傳統的關係型數據庫，基於列存儲，同時支持MPP，使用標準的SQL查詢,能夠和Hadoop/MapReduce進行集成
	Cassandra	http://cassandra.apache.org/	Hadoop成員，Facebook於2008將Cassandra開源，基於O(1)DHT的徹底P2P架構
	HyperTable	http://hypertable.org/	搜索引擎公司Zvents針對Bigtable的C++開源實現
	FoundationDB	https://foundationdb.com/	支持ACID事務處理的NoSQL數據庫，提供很是好的性能、數據一致性和操做彈性
	HBase	http://hbase.apache.org/	Bigtable在Hadoop中的實現，最初是Powerset公司爲了處理天然語言搜索產生的海量數據而開展的項目
文件存儲	CouchDB	http://couchdb.apache.org/	面向文檔的數據存儲
	MongoDB	https://www.mongodb.org/	文檔數據庫
	Tachyon	http://tachyon-project.org/	加州大學伯克利分校的AMPLab基於Hadoop的核心組件開發出一個更快的版本Tachyon，它從底層重構了Hadoop平臺。
		https://github.com/amplab/tachyon
	KFS	http://code.google.com/p/kosmosfs/	GFS的C++開源版本
	HDFS	http://hadoop.apache.org/	GFS在Hadoop中的實現
資源管理	Twitter Mesos	http://mesos.apache.org/	Google Borg的翻版
	Hadoop Yarn	http://hadoop.apache.org/	相似於Mesos
日誌收集系統	Facebook Scribe	https://github.com/facebook/scribe	Facebook開源的日誌收集系統，可以從各類日誌源上收集日誌，存儲到一箇中央存儲系統（能夠是NFS，分佈式文件系統等）上，以便於進行集中統計分析處理，常與Hadoop結合使用，Scribe用於向HDFS中Push日誌
	Cloudera Flume	http://flume.apache.org/	Cloudera提供的日誌收集系統，支持對日誌的實時性收集
	logstash	http://www.logstash.net/	日誌管理、分析和傳輸工具，可配合kibana、ElasticSearch組建成日誌查詢系統
	kibana	http://www.elasticsearch.org/overview/kibana/	爲日誌提供友好的Web查詢頁面
消息系統	StormMQ	http://stormmq.com/
	ZeroMQ	http://zeromq.org/	很底層的高性能網絡庫
	RabbitMQ	https://www.rabbitmq.com/	在AMQP基礎上完整的，可複用的企業消息系統
	Apache ActiveMQ	http://activemq.apache.org/	能力強勁的開源消息總線
	Jafka	http://kafka.apache.org/	開源的、高性能的、跨語言分佈式消息系統，最先是由Apache孵化的Kafka（由LinkedIn捐助給Apache）克隆而來
	Apache Kafka	http://kafka.apache.org/	Linkedin於2010年12月份開源的分佈式消息系統，它主要用於處理活躍的流式數據，由Scala寫成
分佈式服務	ZooKeeper	http://zookeeper.apache.org/	分佈式鎖服務，PoxOS算法的實現，對應Google的Chubby
RPC	Apache Avro	http://avro.apache.org/	Hadoop中的RPC
	Facebook Thrift	http://thrift.apache.org/	RPC，支持C++/Java/PHP等衆多語言
集羣管理	Nagios	http://www.nagios.org/	監視系統運行狀態和網絡信息的監視系統
	Ganglia	http://ganglia.sourceforge.net/	UC Berkeley發起的一個開源集羣監視項目，設計用於測量數以千計的節點。
	Apache Ambari	http://ambari.apache.org/	Hadoop成員，管理和監視Apache Hadoop集羣的開源框架
基礎設施	LevelDB	http://code.google.com/p/leveldb/	Google頂級大牛開發的單機版鍵值數據庫，具備很是高的寫性能
	SSTable		源於Google，orted String Table
	RecordIO		源於Google
	Flat Buffers	https://github.com/google/flatbuffers	針對遊戲開發的，高效的跨平臺序列化庫，相比Proto Buffers開銷更小，由於Flat Buffers沒有解析過程
	Protocol Buffers	http://code.google.com/p/protobuf/	Google公司開發的一種數據描述語言，相似於XML可以將結構化數據序列化，可用於數據存儲、通訊協議等方面。它不依賴於語言和平臺而且可擴展性極強。
	Consistent Hashing		1997年由麻省理工學院提出,目標是爲了解決因特網中的熱點（Hot spot）問題，初衷和CARP十分相似，基本解決了在P2P環境中最爲關鍵的問題——如何在動態的網絡拓撲中分佈存儲和路由。
	Netty	http://netty.io/	JBOSS提供的一個java開源框架，提供異步的、事件驅動的網絡應用程序框架，用以快速開發高性能、高可靠性的網絡服務器和客戶端程序。
	BloomFilter		布隆過濾器，1970年由布隆提出，是一個很長的二進制矢量和一系列隨機映射函數，能夠用於檢索一個元素是否在一個集合中，優勢是空間效率和查詢時間都遠遠超過通常的算法，缺點是有必定的誤識別率和刪除困難。
搜索引擎	Nutch	https://nutch.apache.org/	開源Java 實現的搜索引擎，誕生Hadoop的地方。
	Lucene	http://lucene.apache.org/	一套信息檢索工具包，但並不包含搜索引擎系統，它包含了索引結構、讀寫索引工具、相關性工具、排序等功能。
	SolrCloud		基於Solr和Zookeeper的分佈式搜索， Solr4.0 的核心組件之一，主要思想是使用 Zookeeper 做爲集羣的配置信息中心
	Solr	https://lucene.apache.org/solr/	Solr是基於Lucene的搜索。
	ElasticSearch	http://www.elasticsearch.org/	開源的（Apache2協議），分佈式的，RESTful的，構建在Apache Lucene之上的的搜索引擎。
		http://www.elasticsearch.cn/
	Sphinx	http://sphinxsearch.com	一個基於SQL的全文檢索引擎，可結合MySQL、PostgreSQL作全文檢索，可提供比數據庫自己更專業的搜索功能，單一索引可達1億條記錄，1000萬條記錄狀況下的查詢速度爲0.x秒（毫秒級）。
	SenseiDB	http://senseidb.com	Linkin公司開發的一個開源分佈式實時半結構化數據庫，在全文索引的基礎封裝了Browse Query Language (BQL，相似SQL)的查詢語法。
數據挖掘	Mahout	http://mahout.apache.org/	Hadoop成員，目標是創建一個可擴展的機器學習庫
Iaas	OpenStack	https://www.openstack.org/	美國國家航空航天局和Rackspace合做研發的，以Apache許可證受權雲平臺管理的項目，它不是一個軟件。這個項目由幾個主要的組件組合起來完成一些具體的工做，旨在爲公共及私有云的建設與管理提供軟件的開源項目。6個核心項目：Nova（計算，Compute），Swift（對象存儲，Object），Glance（鏡像，Image），Keystone（身份，Identity），Horizon（自助門戶，Dashboard），Quantum & Melange（網絡&地址管理），另外還有若干社區項目，如Rackspace（負載均衡）、Rackspace（關係型數據庫）。
	Docker	http://www.docker.io/	應用容器引擎，讓開發者可打包應用及依賴包到一個可移植的容器中，而後發佈到Linux機器上，也可實現虛擬化。
	Kubernetes	https://github.com/GoogleCloudPlatform/kubernetes/	Google開源的容器集羣管理系統
	Imctfy	https://github.com/google/Imctfy/	Google開源的Linux容器
監控管理	Dapper	http://bigbully.github.io/Dapper-translation/	Google生產環境下的大規模分佈式系統的跟蹤系統
	Zipkin	http://twitter.github.io/zipkin/	Twitter開源的參考Google Dapper而開發，使用Apache Cassandra作爲數據存儲系統