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(kāi)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(guò)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(xún)工作，包含Scala、Python和JavaAPI，這更有利于開(kāi)發(fā)人員使用。

　　Twitter流處理工具Summingbird:與Storm和Scalding相似，開(kāi)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(lái)自不同數(shù)據(jù)源的數(shù)據(jù)，允許開(kāi)發(fā)者編寫(xiě)可處理實(shí)時(shí)信息的應(yīng)用程序，來(lái)源網(wǎng)站click-streams、營(yíng)銷(xiāo)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(guò)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(guò)一個(gè)大小可調(diào)整的AmazonEC2實(shí)例集群，EMR使用Hadoop來(lái)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)模科學(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(yǔ)言。此外，Mortar還可運(yùn)行Hadoop]、Pig、Java、Python和Luigi等，讓用戶(hù)專(zhuān)注于研究科學(xué)數(shù)據(jù)，無(wú)需擔(dān)心IT基礎(chǔ)設(shè)施。

　　Rackspace:RackspaceHadoop集群可運(yùn)行HadoopRackspace托管專(zhuān)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(fǎng)問(wèn)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(kāi)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(xún)和管理過(guò)程。Mapreduce開(kāi)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(kāi)源的大規(guī)模并行處理(MPP)SQL查詢(xún)引擎，運(yùn)行在ApacheHadoop。用戶(hù)可直接查詢(xún)存儲(chǔ)在HDFS和ApacheHBase的數(shù)據(jù)，無(wú)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(cāng)庫(kù)系統(tǒng)。Shark支持Hive查詢(xún)語(yǔ)言、metastore、序列化格式和用戶(hù)自定義函數(shù)。

　　SparkSQL:SparkSQL的前身是shark。在hadoop發(fā)展過(guò)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(guò)程中大量的中間磁盤(pán)落地過(guò)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(kāi)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(xún)，包括嵌套數(shù)據(jù)。受GoogleDremel的啟發(fā)，Drill是專(zhuān)為大型數(shù)據(jù)集提供可擴(kuò)展性和查詢(xún)的能力。該項(xiàng)目是由MapR寫(xiě)成。

　　ApacheTajo:ApacheTajo是ApacheHadoop大數(shù)據(jù)相關(guān)的分布式數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)。Tajo專(zhuān)為低延遲、可擴(kuò)展的即時(shí)查詢(xún)、在線(xiàn)聚合及ETL(提取-轉(zhuǎn)換-裝載過(guò)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(kāi)發(fā)的開(kāi)源分布式SQL查詢(xún)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(kāi)源的ApacheHBaseSQL查詢(xún)引擎，由JDBC驅(qū)動(dòng)程序，可使用SQL查詢(xún)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(kù)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(kù)中獲得的規(guī)模、性能和可查詢(xún)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(kāi)源Summingbird大數(shù)據(jù)分析工具，通過(guò)整合批處理與流處理來(lái)減少它們之間的轉(zhuǎn)換開(kāi)銷(xiāo)。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(wú)縫整合，以及編程語(yǔ)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(kāi)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(kāi)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(kù)，并組合了批處理、服務(wù)和加速等不同的層。