大数据工具集
|
类别
|
名称
|
官网
|
备注
|
|
查询引擎
|
Phoenix
|
http://phoenix.incubator.apache.org/
|
Salesforce公司出品，Apache HBase之上的一个SQL中间层，完全使用Java编写
|
|
Stinger
|
http://hortonworks.com/labs/stinger/
|
原叫Tez，下一代Hive,Hortonworks主导开发，运行在YARN上的DAG计算框架
|
|
|
http://tez.incubator.apache.org/
|
|||
|
Presto
|
http://prestodb.io/
|
Facebook开源
|
|
|
Shark
|
http://shark.cs.berkeley.edu/
|
Spark上的SQL执行引擎
|
|
|
Pig
|
http://pig.apache.org/
|
基于Hadoop MapReduce的脚本语言
|
|
|
Cloudera Impala
|
http://www.cloudera.com/content/cloudera/en/products-and-services/cdh/impala.html
|
参照Google Dremel实现，能运行在HDFS或HBase上，使用C++开发
|
|
|
Apache Drill
|
http://incubator.apache.org/drill/
|
参照Google Dremel实现
|
|
|
Apache Tajo
|
http://tajo.incubator.apache.org/
|
一个运行在YARN上支持SQL的分布式数据仓库
|
|
|
Hive
|
http://hive.apache.org/
|
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
|
|
|
Twitter Storm
|
http://storm.incubator.apache.org/
|
使用Java和Clojure实现
|
|
|
迭代计算
|
Apache Hama
|
https://hama.apache.org/
|
建立在Hadoop上基于BSP（Bulk Synchronous Parallel）的计算框架，模仿了Google的Pregel。
|
|
Apache Giraph
|
https://giraph.apache.org/
|
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
|
https://code.google.com/p/haloop/
|
迭代的MapReduce
|
|
|
Twister
|
http://www.iterativemapreduce.org/
|
迭代的MapReduce
|
|
|
离线计算
|
Hadoop MapReduce
|
http://hadoop.apache.org/
|
经典的大数据批处理系统
|
|
Berkeley Spark
|
http://spark.incubator.apache.org/
|
使用Scala语言实现，和MapReduce有较大的竞争关系，性能强于MapReduce
|
|
|
http://shark.cs.berkeley.edu/
|
|||
|
DataTorrent
|
http://www.datatorrent.com/
|
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
|
|
|
键值存储
|
LevelDB
|
https://code.google.com/p/leveldb/
|
Google开源的高效KV编程库，注意它只是个库
|
|
RocksDB
|
http://rocksdb.org/
|
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
|
http://hyperdex.org/
|
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
|
http://fallabs.com/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
|
http://www.project-voldemort.com/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
|
https://github.com/dynamo/dynamo
|
亚马逊的KV模式的存储平台，无主架构
|
|
|
Tair
|
http://tair.taobao.org/
|
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
|
http://redis.io/
|
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
|
http://alibaba.github.io/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
|
http://aws.amazon.com/cn/simpledb/
|
一个可大规模伸缩、用 Erlang 编写的高可用数据存储
|
|
|
Vertica
|
http://www.vertica.com/
|
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
|
http://cassandra.apache.org/
|
Hadoop成员，Facebook于2008将Cassandra开源，基于O(1)DHT的完全P2P架构
|
|
|
HyperTable
|
http://hypertable.org/
|
搜索引擎公司Zvents针对Bigtable的C++开源实现
|
|
|
FoundationDB
|
https://foundationdb.com/
|
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
|
|
|
HBase
|
http://hbase.apache.org/
|
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
|
http://couchdb.apache.org/
|
面向文档的数据存储
|
|
MongoDB
|
https://www.mongodb.org/
|
文档数据库
|
|
|
Tachyon
|
http://tachyon-project.org/
|
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。
|
|
|
https://github.com/amplab/tachyon
|
|||
|
KFS
|
http://code.google.com/p/kosmosfs/
|
GFS的C++开源版本
|
|
|
HDFS
|
http://hadoop.apache.org/
|
GFS在Hadoop中的实现
|
|
|
资源管理
|
Twitter Mesos
|
http://mesos.apache.org/
|
Google Borg的翻版
|
|
Hadoop Yarn
|
http://hadoop.apache.org/
|
类似于Mesos
|
|
|
日志收集系统
|
Facebook Scribe
|
https://github.com/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
|
http://flume.apache.org/
|
Cloudera提供的日志收集系统，支持对日志的实时性收集
|
|
|
logstash
|
http://www.logstash.net/
|
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
|
http://www.elasticsearch.org/overview/kibana/
|
为日志提供友好的Web查询页面
|
|
|
消息系统
|
StormMQ
|
http://stormmq.com/
|
|
| ZeroMQ |
http://zeromq.org/
|
很底层的高性能网络库
|
|
|
RabbitMQ
|
https://www.rabbitmq.com/
|
在AMQP基础上完整的，可复用的企业消息系统
|
|
|
Apache ActiveMQ
|
http://activemq.apache.org/
|
能力强劲的开源消息总线
|
|
|
Jafka
|
http://kafka.apache.org/
|
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
|
http://kafka.apache.org/
|
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
|
http://zookeeper.apache.org/
|
分布式锁服务，PoxOS算法的实现，对应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等众多语言
|
|
|
集群管理
|
Nagios
|
http://www.nagios.org/
|
监视系统运行状态和网络信息的监视系统
|
|
Ganglia
|
http://ganglia.sourceforge.net/
|
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
|
http://ambari.apache.org/
|
Hadoop成员，管理和监视Apache Hadoop集群的开源框架
|
|
|
基础设施
|
LevelDB
|
http://code.google.com/p/leveldb/
|
Google顶级大牛开发的单机版键值数据库，具有非常高的写性能
|
|
SSTable
|
源于Google，orted String Table | ||
|
RecordIO
|
源于Google | ||
|
Flat Buffers
|
https://github.com/google/flatbuffers
|
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
|
http://code.google.com/p/protobuf/
|
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
|
http://netty.io/
|
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
|
https://nutch.apache.org/
|
开源Java 实现的搜索引擎，诞生Hadoop的地方。
|
|
Lucene
|
http://lucene.apache.org/
|
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
|
https://lucene.apache.org/solr/
|
Solr是基于Lucene的搜索。
|
|
|
ElasticSearch
|
http://www.elasticsearch.org/
|
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。
|
|
|
http://www.elasticsearch.cn/
|
|||
|
Sphinx
|
http://sphinxsearch.com
|
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
|
http://senseidb.com
|
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
|
http://mahout.apache.org/
|
Hadoop成员，目标是建立一个可扩展的机器学习库
|
|
Iaas
|
OpenStack
|
https://www.openstack.org/
|
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
|
http://www.docker.io/
|
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
|
https://github.com/GoogleCloudPlatform/kubernetes/
|
Google开源的容器集群管理系统
|
|
|
Imctfy
|
https://github.com/google/Imctfy/
|
Google开源的Linux容器
|
|
|
监控管理
|
Dapper
|
http://bigbully.github.io/Dapper-translation/
|
Google生产环境下的大规模分布式系统的跟踪系统
|
|
Zipkin
|
http://twitter.github.io/zipkin/
|
Twitter开源的参考Google Dapper而开发，使用Apache Cassandra做为数据存储系统
|