开源大数据利器汇总
dgy7
10年前
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/ http://tez.incubator.apache.org/ | 原叫Tez,下一代Hive,Hortonworks主导开发,运行在YARN上的DAG计算框架 | |
Presto | http://prestodb.io/ | 非死book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 | 非死book Puma | 实时数据流分析 | |
推ter 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 | |
推ter 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/ http://shark.cs.berkeley.edu/ | 使用Scala语言实现,和MapReduce有较大的竞争关系,性能强于MapReduce | |
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/ | 非死book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,非死book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/ https://github.com/amplab/tachyon | 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。 | |
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 | 推ter 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 | 非死book Scribe | https://github.com/非死book/scribe | 非死book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 |
非死book 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/ http://www.elasticsearch.cn/ | 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。 | |
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://推ter.github.io/zipkin/ https://github.com/推ter/zipkin/ | 推ter开源的参考Google Dapper而开发,使用Apache Cassandra做为数据存储系统 |