Twitter所使用的开源项目

以下是Twitter所使用的开源项目，简要浏览之后，我觉得是一个很好的关于分布式架构，大数据，异步网络传输（客户端，服务端）学习的list，做个备份，以便后用。

1.  分析和搜索服务

Twitter的搜索服务每天支持超过10亿次的查询，其背后的开源项目包括：

• Apache Cassandra：一套分布式NoSQL数据库系统，以Amazon专有的完全分布式的Dynamo为基础，结合了Google BigTable基于列族（Column Family）的数据模型，是一个网络社交云计算方面理想的数据库。该项目最初由Facebook开发，于2008开源并捐赠给Apache基金会。
• Apache Hadoop：由Apache基金会所开发的分布式系统基础架构，可使应用程序充分利用集群的威力高速运算和存储，用户可以在不了解分布式底层细节的情况下，开发分布式程序。
• Apache Lucene：一个全文检索引擎工具包，目的是为软件开发人员提供一个简单易用的工具包，以方便的在目标系统中实现全文检索的功能，或者是以此为基础建立起完整的全文检索引擎。
• Apache Pig：一个基于Hadoop的大规模数据分析平台，它提供的类SQL语言称为Pig Latin，该语言的编译器会把类SQL的数据分析请求转换为一系列经过优化处理的MapReduce运算。Pig为复杂的海量数据并行计算提供了一个简单的操作和编程接口。

2. 服务器和存储

Twitter需要将每天用户发送的推文存储到数据库，并推送给其他相关的用户。该过程用到的开源项目包括：

• Linux：主要用于Twitter服务器。
• Memcached：主要用于Twitter的缓存基础设施，作用是加速动态Web应用程序，减轻数据库负载。
• Mysql：流行的开源关系型数据库，被Twitter大量用于存储Twitter消息。
• Node.js：一套用来编写高性能网络服务器的JavaScript工具包，在Twitter中用于队列处理（接收推文并写入数据库），使服务器能处理每个连接而不会阻塞通道。

3.  Twitter工程师的工具箱

• Apache Subversion：开源的版本控制系统
• Git：一个分布式的版本控制系统
• Eclipse：大名鼎鼎的Java IDE。
• Gerrit：一个基于Web的代码评审和项目管理的工具，主要面向基于Git版本控制系统的项目
• Jenkins：一个持续集成引擎，主要用于持续、自动地构建/测试软件项目，以及监控一些定时执行的任务
• RSpec：一个BDD 测试工具

4.  Twitter背后的编程语言和框架

• OpenJDK：Java的开源版本。Twitter陆续将一些项目从Rails迁移到了Java。
• Python：一种高效的动态解释型Web编程语言。
• Ruby和Ruby on Rails：Twitter最初主要由Ruby和Rails开发。
• Scala：Twitter使用的主要应用编程语言之一，很多Twitter的基础架构都是用Scala编写。
• Clojure：Clojure是一种运行在Java平台上的Lisp方言，在任何具备Java虚拟机的地方，都可以利用Lisp的强大功能。Twitter的大数据处理系统Storm就是基于Clojure。
• Drupal：使用PHP语言编写的开源内容管理框架（CMF），由内容管理系统（CMS）和PHP开发框架共同构成。Twitter的开发者社区基于Drupal构建。
• Sinatra：一个轻量、快速的Ruby开发框架。

5.  Twitter的前端解决方案

• jQuery：全球使用最广泛的JavaScript框架。
• Less：一个使用广泛的CSS预处理器，通过简单的语法和变量对CSS进行扩展,可减少很多CSS的代码量。
• MooTools：一个简洁、模块化、面向对象的开源JavaScript框架，为开发者提供了一个跨浏览器的JS解决方案
• Zepto.js：一个轻量级的Javascript框架，主要用于移动开发

6.  Twitter服务开发框架

• TwistedMatrix：一个Python 框架，用来开发非阻塞异步的网络服务和应用程序。
• Netty：一个异步的、事件驱动的Web应用框架和工具，用于快速开发高性能、高可靠性的网络服务器和客户端程序。Netty目前作为Twitter的核心队列Kestrel的通信模块。
• Apache Thrift：一个由Facebook开源的远程服务调用框架，采用接口描述语言定义并创建服务，支持可扩展的跨语言服务开发，所包含的代码生成引擎可以在多种语言中创建高效的、无缝的服务。

Important remarks: Thrift 这篇文章对Thrift做了综合性的介绍，值得我思考的是这篇文章：“Thrift与其他框架的比较”，以前对于分布式系统中的服务开发框架，我一直在想为什么不用rest或者webservice来进行通讯？而主流的却是选择RPC？ 文章用图表来展示了Thrift在网络传输性能上与rest-jason，xml的优势。所以，是不是可以这样理解：Thrift从协议的定义上就使用了高效压缩数据格式TCompactProtocol（就算不用压缩，只用TBinaryProtocol 二进制流的数据格式，其传输性能也高于jason和xml），从而避免了传输，序列化jason或者xml 造成的代价。

Twitter公司所开源的项目

Twitter从开源社区中获得了大量的好处，而Twitter也在不断地回馈社区，开源了大量基础设施和工具，使得其他企业和开发者不必重新发明轮子，在这些开源项目的基础上更加快速地实现自己所需。

1.  大数据处理

• scalding：一个用于Cascading的Scala API。Cascading是一个构建于Hadoop上的API，用来创建复杂和容错数据处理工作流，它抽象了集群拓扑结构和配置，允许开发者快速开发复杂分布式的应用，而不用考虑背后的MapReduce。
• summingbird：允许开发者以类似于本地Scala或Java的方式编写MapReduce程序，并在大部分著名的分布式MapReduce平台（包括Storm和Scalding）中执行它们。

2.  前端项目

• Bootstrap：一个用于前端开发的工具包，包含了基本的CSS、HTML组件，包括排版、表单、按钮、表格、网格、导航等。
• TwUI：针对Mac平台的、支持硬件加速的UI框架，受到了UIKit的启发。
• typeahead.js：一个快速、全功能的自动完成库
• hogan.js：一个Mustache模板语言的编译器

3.  后端服务

• Twitter Mysql：Twitter的MySQL分支
• Parquet：一种Twitter内部供Hadoop使用的列式存储格式，为Hadoop生态系统中的所有项目提供支持高效率压缩的列式数据表达，而且与数据处理框架、数据模型或编程语言无关。
• Finagle：一个允许开发者使用Java、Scala或其他JVM语言来构建异步RPC服务器和客户端的库，主要用于Twitter的后端服务。
• iago：一个负载生成器，用来在产品正式发布前做流量负载测试。
• twemproxy：一个快速、轻量级的memcached和redis代理服务器
• zipkin：一个分布式的跟踪系统。在Twitter中用于收集各个服务上的监控数据，并提供查询接口。

4.  Twitter基础设施通用库

• commons：Twitter的Python、JVM公共库
• util：Twitter的一些可重用的代码库
• cassovary：一个基于JVM的简单的大图形处理库