
大數(shù)據(jù) 分析工具大匯總_數(shù)據(jù)分析師考試
大數(shù)據(jù)分析Storm:Apache Storm是一種開源的分布式實(shí)時(shí)計(jì)算系統(tǒng)。Storm加速了流數(shù)據(jù)處理的過程,為Hadoop批處理提供實(shí)時(shí)數(shù)據(jù)處理。
Spark:Spark是一個(gè)兼容Hadoop數(shù)據(jù)源的內(nèi)存數(shù)據(jù)處理平臺(tái),運(yùn)行速度相比于HadoopMapReduce更快。Spark適合機(jī)器學(xué)習(xí)以及交互式數(shù)據(jù)查詢工作,包含Scala、Python和JavaAPI,這更有利于開發(fā)人員使用。
Twitter流處理工具Summingbird:與Storm和Scalding相似,開發(fā)者可以使用非常接近原生的Scala或者Java在Summingbird上執(zhí)行MapReduce作業(yè)。
AWSKinesis:AmazonKinesis是一種實(shí)時(shí)數(shù)據(jù)流處理管理服務(wù)。它可以收集和處理來自不同數(shù)據(jù)源的數(shù)據(jù),允許開發(fā)者編寫可處理實(shí)時(shí)信息的應(yīng)用程序,來源網(wǎng)站click-streams、營(yíng)銷和財(cái)務(wù)信息、制造工具和社交媒體,和操作日志和計(jì)量數(shù)據(jù)。
DataTorrent:DataTorrent是實(shí)時(shí)流媒體平臺(tái),可使企業(yè)執(zhí)行數(shù)據(jù)處理或轉(zhuǎn)換結(jié)構(gòu)化與非結(jié)構(gòu)化數(shù)據(jù)、實(shí)時(shí)數(shù)據(jù)流到數(shù)據(jù)中心。該產(chǎn)品主要利用Hadoop2.0和YARN技術(shù)。
SpringXD:通過任意數(shù)量的處理器,SpringXD架構(gòu)支持事件驅(qū)動(dòng)的數(shù)據(jù)流攝入。流是由Spring集成適配器支持。
SQLStream:SQLStream為流媒體分析、可視化和機(jī)器數(shù)據(jù)持續(xù)集成提供了一個(gè)分布式流處理平臺(tái)。大數(shù)據(jù)(Hadoop)即服務(wù)ElasticMapReduce:AmazonElasticMapReduce(亞馬遜EMR)是一個(gè)web服務(wù),提供大量數(shù)據(jù)處理。通過一個(gè)大小可調(diào)整的AmazonEC2實(shí)例集群,EMR使用Hadoop來分配并處理數(shù)據(jù)。
Qubole:Qubote的大數(shù)據(jù)服務(wù)提供Hadoop集群內(nèi)置數(shù)據(jù)連接器和大數(shù)據(jù)項(xiàng)目圖形編輯器。
Mortar:Mortar是一個(gè)通用的大規(guī)??茖W(xué)數(shù)據(jù)平臺(tái)。它建立在AmazonWeb服務(wù)云,使用彈性MapReduce(EMR)啟動(dòng)Hadoop集群并處理大型數(shù)據(jù)集。Mortar可運(yùn)行ApachePig,這是一個(gè)構(gòu)建在Hadoop上的數(shù)據(jù)流語言。此外,Mortar還可運(yùn)行Hadoop]、Pig、Java、Python和Luigi等,讓用戶專注于研究科學(xué)數(shù)據(jù),無需擔(dān)心IT基礎(chǔ)設(shè)施。
Rackspace:RackspaceHadoop集群可運(yùn)行HadoopRackspace托管專用服務(wù)器,自旋向上Hadoop公共云,或配置自己的私有云。
Joyent:JoyentHadoop是一個(gè)基于ApacheHadoop項(xiàng)目大數(shù)據(jù)托管環(huán)境云的解決方案。提供數(shù)據(jù)存儲(chǔ)服務(wù)獲取、分析和訪問任何數(shù)據(jù)格式、數(shù)據(jù)管理服務(wù)以處理、監(jiān)控和運(yùn)行Hadoop及數(shù)據(jù)平臺(tái)服務(wù)安全、存檔和規(guī)模一致的可用性。
Google:Hadoop在谷歌的云平臺(tái)上使用開源的ApacheHadoop谷歌計(jì)算引擎的虛擬機(jī)。SQL-in-Hadoop解決方案ApacheHive:ApacheHive優(yōu)化了大型數(shù)據(jù)集分布式存儲(chǔ)的查詢和管理過程。Mapreduce開發(fā)者也可以插入自定義映射器和還原劑。
Impala:Cloudera的Impala是一個(gè)開源的大規(guī)模并行處理(MPP)SQL查詢引擎,運(yùn)行在ApacheHadoop。用戶可直接查詢存儲(chǔ)在HDFS和ApacheHBase的數(shù)據(jù),無需進(jìn)行數(shù)據(jù)遷移或轉(zhuǎn)換。
Shark:Shark是一種與ApacheHive兼容的Spark數(shù)據(jù)倉庫系統(tǒng)。Shark支持Hive查詢語言、metastore、序列化格式和用戶自定義函數(shù)。
SparkSQL:SparkSQL的前身是shark。在hadoop發(fā)展過程中,為了給熟悉RDBMS但又不理解MapReduce的技術(shù)人員提供快速上手的工具,hive應(yīng)運(yùn)而生,是當(dāng)時(shí)唯一運(yùn)行在hadoop上的SQL-on-Hadoop工具。但是,MapReduce計(jì)算過程中大量的中間磁盤落地過程消耗了大量的I/O,降低的運(yùn)行效率,為了提高SQL-on-Hadoop的效率,大量的SQL-on-Hadoop工具開始產(chǎn)生。
ApacheDrill:ApacheDrill目前是Apache的一個(gè)孵化項(xiàng)目。提供了不同數(shù)據(jù)源特別的查詢,包括嵌套數(shù)據(jù)。受GoogleDremel的啟發(fā),Drill是專為大型數(shù)據(jù)集提供可擴(kuò)展性和查詢的能力。該項(xiàng)目是由MapR寫成。
ApacheTajo:ApacheTajo是ApacheHadoop大數(shù)據(jù)相關(guān)的分布式數(shù)據(jù)倉庫系統(tǒng)。Tajo專為低延遲、可擴(kuò)展的即時(shí)查詢、在線聚合及ETL(提取-轉(zhuǎn)換-裝載過程)在大型數(shù)據(jù)集存儲(chǔ)在HDFS(Hadoop分布式文件系統(tǒng))和其他數(shù)據(jù)源。
Presto:Presto框架轉(zhuǎn)眼間從Facebook框架是一個(gè)Presto是Facebook開發(fā)的開源分布式SQL查詢引擎,支持對(duì)任意級(jí)大小的數(shù)據(jù)源進(jìn)行快速地交互分析。
Phoenix:Phoenix是一款開源的ApacheHBaseSQL查詢引擎,由JDBC驅(qū)動(dòng)程序,可使用SQL查詢和管理HBase表。此項(xiàng)目已提交成為Apache孵化器項(xiàng)目。
Pivotal’sHAWQ:作為Pivotal大數(shù)據(jù)集的一部分,HAWQ是一個(gè)MPPSQL處理引擎。HAWQ實(shí)際上就是一個(gè)大規(guī)模并行處理工程或MPP,數(shù)據(jù)庫運(yùn)行在Hadoop中,位于HDFS的頂部。作為一個(gè)單一的系統(tǒng),它將一整套聚合基礎(chǔ)設(shè)施嵌入系統(tǒng),那套聚合基礎(chǔ)設(shè)施可以運(yùn)行和提供Hadoop和HDFS必須提供的所有功能以及你能從MPP數(shù)據(jù)庫中獲得的規(guī)模、性能和可查詢功能。大數(shù)據(jù)Lambda架構(gòu)Lambda系統(tǒng)架構(gòu)(LA)提供了一個(gè)結(jié)合實(shí)時(shí)數(shù)據(jù)和Hadoop預(yù)先計(jì)算的數(shù)據(jù)環(huán)境的混合平臺(tái),以提供一個(gè)實(shí)時(shí)的數(shù)據(jù)視圖。Lambda架構(gòu)框架主要包括:
Twitter’sSummingbird:Twitter的開源Summingbird大數(shù)據(jù)分析工具,通過整合批處理與流處理來減少它們之間的轉(zhuǎn)換開銷。區(qū)別于以往的更快、更準(zhǔn)確節(jié)奏,Summingbird更注重于流處理與批處理的無縫整合,以及編程語言的原生化。
Summingbird是一個(gè)大規(guī)模數(shù)據(jù)處理系統(tǒng),支持開發(fā)者以批處理模式(基于Hadoop/MapReduce)或流處理模式(基于Storm)或混合模式(即組合前兩種模式)以統(tǒng)一的方式執(zhí)行代碼。
Lambdoop:Lambdoop是一個(gè)Java框架,用于以與Lambda架構(gòu)一致的方式開發(fā)大數(shù)據(jù)應(yīng)用。Lambda架構(gòu)的特色是有一個(gè)不可修改、只能追加數(shù)據(jù)的主數(shù)據(jù)庫,并組合了批處理、服務(wù)和加速等不同的層。
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營(yíng)銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場(chǎng)景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡(jiǎn)單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10