未加星标

不可错过的大数据学习资源推荐(上)

字体大小 | |
[大数据资讯 所属分类 大数据资讯 | 发布者 店小二04 | 时间 2018 | 作者 红领巾 ] 0人收藏点击收藏

  今天为大家推荐一些翻译整理的大数据相关的非常棒的学习资源,希望大家能够喜欢哦~ ~ ~

  关系数据库管理系统 ( RDBMS )

  mysql :世界最流行的开源数据库;

  PostgreSQL :世界最先进的开源数据库;

  Oracle 数据库 :对象-关系型数据库管理系统。

  框架

  Apache hadoop :分布式处理架构,结合了 MapReduce (并行处理)、 YARN (作业调度)和 HDFS (分布式文件系统);

不可错过的大数据学习资源推荐(上)

  Tigon :高吞吐量实时流处理框架。

  分布式编程

  AddThis Hydra :最初在 AddThis 上开发的分布式数据处理和存储系统;

  AMPLab SIMR :用在 Hadoop MapReduce v1 上运行 Spark ;

  Apache Beam :为统一的模型以及一套用于定义和执行数据处理工作流的特定SDK语言;

  Apache Crunch :一个简单的Java API,用于执行在普通的MapReduce实现时比较单调的连接、数据聚合等任务;

  Apache DataFu :由LinkedIn开发的针对 Hadoop and 和 Pig 的用户定义的函数集合;

  Apache Flink :具有高性能的执行时间和自动程序优化;

  Apache Gora :内存中的数据模型和持久性框架;

  Apache Hama :BSP(整体同步并行)计算框架;

  Apache MapReduce :在集群上使用并行、分布式算法处理大数据集的编程模型;

  Apache Pig :Hadoop中,用于处理数据分析程序的高级查询语言;

  Apache REEF :用来简化和统一低层大数据系统的保留性评估执行框架;

  Apache S4 :S4中流处理与实现的框架;

  Apache Spark :内存集群计算框架;

  Apache Spark Streaming :流处理框架,同时是 Spark 的一部分;

  Apache Storm : Twitter 流处理框架,也可用于 YARN ;

  Apache Samza :基于 Kafka 和 YARN 的流处理框架;

  Apache Tez :基于 YARN ,用于执行任务中的复杂DAG(有向无环图);

  Apache Twill :基于 YARN 的抽象概念,用于减少开发分布式应用程序的复杂度;

  Cascalog :数据处理和查询库;

  Cheetah :在 MapReduce 之上的高性能、自定义数据仓库;

  Concurrent Cascading :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;

  Netflix 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 : MapReduce 框架;

  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 python 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 :分布式文件系统;

  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 :开源分布式文件系统;

  Red Hat GlusterFS :向外扩展的附网存储( N etwork-attached S torage )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 Espresso :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。若想了解更多关于这两种模型的区分,可阅读 Daniel Abadi 的博客: Distinguishing two major types of Column Stores 。

  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 :由BigTable授权,面向列的分布式数据存储;

  Facebook HydraBase : 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 :由BigTable授权,面向列的分布式数据存储;

  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 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;

  Intel GraphBuilder :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PostgreSQL;

  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 :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

  注意: 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;

  Google 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 :分布式时间序列数据库;

  Kairosdb :类似于OpenTSDB但会考虑到 Cassandra ;

  OpenTSDB :在HBase上的分布式时间序列数据库;

  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 SQL 驱动;

  Cloudera Impala :由 Dremel 授意的交互式分析框架;

  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 Machine :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 Solr、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。

  原文: https://github.com/onurakpolat/awesome-bigdata


不可错过的大数据学习资源推荐(上)
tags: 分布式,数据库,Apache,存储,数据,Hadoop,SQL,Google,框架,MapReduce,用于,Facebook,内存,HBase,Twitter
分页:12
转载请注明
本文标题:不可错过的大数据学习资源推荐(上)
本站链接:http://www.codesec.net/view/570604.html
分享请点击:


1.凡CodeSecTeam转载的文章,均出自其它媒体或其他官网介绍,目的在于传递更多的信息,并不代表本站赞同其观点和其真实性负责;
2.转载的文章仅代表原创作者观点,与本站无关。其原创性以及文中陈述文字和内容未经本站证实,本站对该文以及其中全部或者部分内容、文字的真实性、完整性、及时性,不作出任何保证或承若;
3.如本站转载稿涉及版权等问题,请作者及时联系本站,我们会及时处理。
登录后可拥有收藏文章、关注作者等权限...
技术大类 技术大类 | 大数据资讯 | 评论(0) | 阅读(98)