一共81个,开源大数据处理工具汇总 (转)

类别 名称 描述
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/

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/

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/

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/

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 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/

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://twitter.github.io/zipkin/

https://github.com/twitter/zipkin/

Twitter开源的参考Google Dapper而开发,使用Apache Cassandra做为数据存储系统

Gravatar 又可以用了

好久前 Gravatar 被墙,导致很多使用该头像服务的网站如 WordPress 不能正常显示用户头像,今天发现使用 https 的地址可正常请求。

Secure Requests

If you’re displaying Gravatars on a page that is being served over SSL (e.g. the page URL starts with HTTPS), then you’ll want to serve your Gravatars via SSL as well, otherwise you’ll get annoying security warnings in most browsers. To do this, simply change the URL for your Gravatars so that is starts with:

https://secure.gravatar.com/...

这里举一个 Gravatar 的栗子:

<img src="https://secure.gravatar.com/avatar/205e460b479e2e5b48aec07710c08d51?d=mm&s=200">

更多使用详细请查看:
https://secure.gravatar.com/site/implement/images/