你好,游客 登录 注册 搜索
背景:
阅读新闻

最全大数据学习资源整理

[日期:2016-05-18] 来源:199IT  作者:佚名 [字体: ]

  关系数据库管理系统(RDBMS)

大数据

  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);

  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(Network-attached Storage)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。

  服务编程

  Akka Toolkit:JVM中分布性、容错事件驱动应用程序的运行时间;

  Apache Avro:数据序列化系统;

  Apache Curator:Apache ZooKeeper的Java库;

  Apache Karaf:在任何OSGi框架之上运行的OSGi运行时间;

  Apache Thrift:构建二进制协议的框架;

  Apache Zookeeper:流程管理集中式服务;

  Google Chubby:一种松耦合分布式系统锁服务;

  Linkedin Norbert:集群管理器;

  OpenMPI:消息传递框架;

  Serf:服务发现和协调的分散化解决方案;

  Spotify Luigi:一种构建批处理作业的复杂管道的Python包,它能够处理依赖性解析、工作流管理、可视化、故障处理、命令行一体化等等问题;

  Spring XD:数据摄取、实时分析、批量处理和数据导出的分布式、可扩展系统;

  Twitter Elephant Bird:LZO压缩数据的工作库;

  Twitter Finagle:JVM的异步网络堆栈。

  调度

  Apache Aurora:在Apache Mesos之上运行的服务调度程序;

  Apache Falcon:数据管理框架;

  Apache Oozie:工作流作业调度程序;

  Chronos:分布式容错调度;

  Linkedin Azkaban:批处理工作流作业调度;

  Schedoscope:Hadoop作业敏捷调度的Scala DSL;

  Sparrow:调度平台;

  Airflow:一个以编程方式编写、调度和监控工作流的平台。

  机器学习

  Apache Mahout:Hadoop的机器学习库;

  brain:JavaScript中的神经网络;

  Cloudera Oryx:实时大规模机器学习;

  Concurrent Pattern:Cascading的机器学习库;

  convnetjs:Javascript中的机器学习,在浏览器中训练卷积神经网络(或普通网络);

  Decider:Ruby中灵活、可扩展的机器学习;

  ENCOG:支持多种先进算法的机器学习框架,同时支持类的标准化和处理数据;

  etcML:机器学习文本分类;

  Etsy Conjecture:Scalding中可扩展的机器学习;

  Google Sibyl:Google中的大规模机器学习系统;

  GraphLab Create:Python的机器学习平台,包括ML工具包、数据工程和部署工具的广泛集合;

  H2O:Hadoop统计性的机器学习和数学运行时间;

  MLbase:用于BDAS堆栈的分布式机器学习库;

  MLPNeuralNet:针对iOS和Mac OS X的快速多层感知神经网络库;

  MonkeyLearn:使文本挖掘更为容易,从文本中提取分类数据;

  nupic:智能计算的Numenta平台,它是一个启发大脑的机器智力平台,基于皮质学习算法的精准的生物神经网络;

  PredictionIO:建于Hadoop、Mahout和Cascading上的机器学习服务器;

  SAMOA:分布式流媒体机器学习框架;

  scikit-learn:scikit-learn为Python中的机器学习;

  Spark MLlib:Spark中一些常用的机器学习(ML)功能的实现;

  Vowpal Wabbit:微软和雅虎发起的学习系统;

  WEKA:机器学习软件套件;

  BidMach:CPU和加速GPU的机器学习库。

  基准测试

  Apache Hadoop Benchmarking:测试Hadoop性能的微基准;

  Berkeley SWIM Benchmark:现实大数据工作负载基准测试;

  Intel HiBench:Hadoop基准测试套件;

  PUMA Benchmarking:MapReduce应用的基准测试套件;

  Yahoo Gridmix3:雅虎工程师团队的Hadoop集群基准测试。

  安全性

  Apache Knox Gateway:Hadoop集群安全访问的单点;

  Apache Sentry:存储在Hadoop的数据安全模块。

  系统部署

  Apache Ambari:Hadoop管理的运作框架;

  Apache Bigtop:Hadoop生态系统的部署框架;

  Apache Helix:集群管理框架;

  Apache Mesos:集群管理器;

  Apache Slider:一种YARN应用,用来部署YARN中现有的分布式应用程序;

  Apache Whirr:运行云服务的库集;

  Apache YARN:集群管理器;

  Brooklyn:用于简化应用程序部署和管理的库;

  Buildoop:基于Groovy语言,和Apache BigTop类似;

  Cloudera HUE:和Hadoop进行交互的Web应用程序;

  Facebook Prism:多数据中心复制系统;

  Google Borg:作业调度和监控系统;

  Google Omega:作业调度和监控系统;

  Hortonworks HOYA:可在YARN上部署HBase集群的应用;

  Marathon:用于长期运行服务的Mesos框架。

  应用程序

  Adobe spindle:使用Scala、Spark和Parquet处理的下一代web分析;

  Apache Kiji:基于HBase,实时采集和分析数据的框架;

  Apache Nutch:开源网络爬虫;

  Apache OODT:用于NASA科学档案中数据的捕获、处理和共享;

  Apache Tika:内容分析工具包;

  Argus:时间序列监测和报警平台;

  Countly:基于Node.js和MongoDB,开源的手机和网络分析平台;

  Domino:运行、规划、共享和部署模型——没有任何基础设施;

  Eclipse BIRT:基于Eclipse的报告系统;

  Eventhub:开源的事件分析平台;

  Hermes:建于Kafka上的异步消息代理;

  HIPI Library:在Hadoop’s MapReduce上执行图像处理任务的API;

  Hunk:Hadoop的Splunk分析;

  Imhotep:大规模分析平台;

  MADlib:RDBMS的用于数据分析的数据处理库;

  Kylin:来自eBay的开源分布式分析工具;

  PivotalR:Pivotal HD / HAWQ和PostgreSQL中的R;

  Qubole:为自动缩放Hadoop集群,内置的数据连接器;

  Sense:用于数据科学和大数据分析的云平台;

  SnappyData:用于实时运营分析的分布式内存数据存储,提供建立在Spark单一集成集群中的数据流分析、OLTP(联机事务处理)和OLAP(联机分析处理);

  Snowplow:企业级网络和事件分析,由Hadoop、Kinesis、Redshift 和Postgres提供技术支持;

  SparkR:Spark的R前端;

  Splunk:用于机器生成的数据的分析;

  Sumo Logic:基于云的分析仪,用于分析机器生成的数据;

  Talend:用于YARN、Hadoop、HBASE、Hive、HCatalog和Pig的统一开源环境;

  Warp:利用大数据(OS X app)的实例查询工具。

  搜索引擎与框架

  Apache Lucene:搜索引擎库;

  Apache Solr:用于Apache Lucene的搜索平台;

  ElasticSearch:基于Apache Lucene的搜索和分析引擎;

  Enigma.io:为免费增值的健壮性web应用,用于探索、筛选、分析、搜索和导出来自网络的大规模数据集;

  Facebook Unicorn:社交图形搜索平台;

  Google Caffeine:连续索引系统;

  Google Percolator:连续索引系统;

  TeraGoogle:大型搜索索引;

  HBase Coprocessor:为Percolator的实现,HBase的一部分;

  Lily HBase Indexer:快速、轻松地搜索存储在HBase的任何内容;

  LinkedIn Bobo:完全由Java编写的分面搜索的实现,为Apache Lucene的延伸;

  LinkedIn Cleo:为一个一个灵活的软件库,使得局部、无序、实时预输入的搜索实现了快速发展;

  LinkedIn Galene:LinkedIn搜索架构;

  LinkedIn Zoie:是用Java编写的实时搜索/索引系统;

  Sphinx Search Server:全文搜索引擎

  MySQL的分支和演化

  Amazon RDS:亚马逊云的MySQL数据库;

  Drizzle:MySQL的6.0的演化;

  Google Cloud SQL:谷歌云的MySQL数据库;

  MariaDB:MySQL的增强版嵌入式替代品;

  MySQL Cluster:使用NDB集群存储引擎的MySQL实现;

  Percona Server:MySQL的增强版嵌入式替代品;

  ProxySQL:MySQL的高性能代理;

  TokuDB:用于MySQL和 MariaDB的存储引擎;

  WebScaleSQL:运行MySQL时面临类似挑战的几家公司,它们的工程师之间的合作。

  PostgreSQL的分支和演化

  Yahoo Everest – multi-peta-byte database / MPP derived by PostgreSQL.

  HadoopDB:MapReduce和DBMS的混合体;

  IBM Netezza:高性能数据仓库设备;

  Postgres-XL:基于PostgreSQL,可扩展的开源数据库集群;

  RecDB:完全建立在PostgreSQL内部的开源推荐引擎;

  Stado:开源MPP数据库系统,只针对数据仓库和数据集市的应用程序;

  Yahoo Everest:PostgreSQL可以推导多字节P比特数据库/MPP。

  Memcached的分支和演化

  Facebook McDipper:闪存的键/值缓存;

  Facebook Memcached:Memcache的分支;

  Twemproxy:Memcached和Redis的快速、轻型代理;

  Twitter Fatcache:闪存的键/值缓存;

  Twitter Twemcache:Memcache的分支。

  嵌入式数据库

  Actian PSQL:Pervasive Software公司开发的ACID兼容的DBMS,在应用程序中嵌入了优化;

  BerkeleyDB:为键/值数据提供一个高性能的嵌入式数据库的一个软件库;

  HanoiDB:Erlang LSM BTree存储;

  LevelDB:谷歌写的一个快速键-值存储库,它提供了从字符串键到字符串值的有序映射;

  LMDB:Symas开发的超快、超紧凑的键-值嵌入的式数据存储;

  RocksDB:基于性LevelDB,用于快速存储的嵌入式持续性键-值存储。

  商业智能

  BIME Analytics:商业智能云平台;

  Chartio:精益业务智能平台,用于可视化和探索数据;

  datapine:基于云的自助服务商业智能工具;

  Jaspersoft:功能强大的商业智能套件;

  Jedox Palo:定制的商业智能平台;

  Microsoft:商业智能软件和平台;

  Microstrategy:商业智能、移动智能和网络应用软件平台;

  Pentaho:商业智能平台;

  Qlik:商业智能和分析平台;

  Saiku:开源的分析平台;

  SpagoBI:开源商业智能平台;

  Tableau:商业智能平台;

  Zoomdata:大数据分析;

  Jethrodata:交互式大数据分析。

  数据可视化

  Airpal:用于PrestoDB的网页UI;

  Arbor:利用网络工作者和jQuery的图形可视化库;

  Banana:对存储在Kibana中Solr. Port的日志和时戳数据进行可视化;

  Bokeh:一个功能强大的Python交互式可视化库,它针对要展示的现代web浏览器,旨在为D3.js风格的新奇的图形提供优雅简洁的设计,同时在大规模数据或流数据集中,通过高性能交互性来表达这种能力;

  C3:基于D3可重复使用的图表库;

  CartoDB:开源或免费增值的虚拟主机,用于带有强大的前端编辑功能和API的地理空间数据库;

  chartd:只带Img标签的反应灵敏、兼容Retina的图表;

  Chart.js:开源的HTML5图表可视化效果;

  Chartist.js:另一个开源HTML5图表可视化效果;

  Crossfilter:JavaScript库,用于在浏览器中探索多元大数据集,用Dc.js和D3.js.效果很好;

  Cubism:用于时间序列可视化的JavaScript库;

  Cytoscape:用于可视化复杂网络的JavaScript库;

  DC.js:维度图表,和Crossfilter一起使用,通过D3.js呈现出来,它比较擅长连接图表/附加的元数据,从而徘徊在D3的事件附近;

  D3:操作文件的JavaScript库;

  D3.compose:从可重复使用的图表和组件构成复杂的、数据驱动的可视化;

  D3Plus:一组相当强大的可重用的图表,还有D3.js的样式;

  Echarts:百度企业场景图表;

  Envisionjs:动态HTML5可视化;

  FnordMetric:写SQL查询,返回SVG图表,而不是表;

  Freeboard:针对IOT和其他Web混搭的开源实时仪表盘构建;

  Gephi:屡获殊荣的开源平台,可视化和操纵大型图形和网络连接,有点像Photoshop,但是针对于图表,适用于Windows和Mac OS X;

  Google Charts:简单的图表API;

  Grafana:石墨仪表板前端、编辑器和图形组合器;

  Graphite:可扩展的实时图表;

  Highcharts:简单而灵活的图表API;

  IPython:为交互式计算提供丰富的架构;

  Kibana:可视化日志和时间标记数据;

  Matplotlib:Python绘图;

  Metricsgraphic.js:建立在D3之上的库,针对时间序列数据进行最优化;

  NVD3:d3.js的图表组件;

  Peity:渐进式SVG条形图,折线和饼图;

  Plot.ly:易于使用的Web服务,它允许快速创建从热图到直方图等复杂的图表,使用图表Plotly的在线电子表格上传数据进行创建和设计;

  Plotly.js:支持plotly的开源JavaScript图形库;

  Recline:简单但功能强大的库,纯粹利用JavaScript和HTML构建数据应用;

  Redash:查询和可视化数据的开源平台;

  Shiny:针对R的Web应用程序框架;

  Sigma.js:JavaScript库,专门用于图形绘制;

  Vega:一个可视化语法;

  Zeppelin:一个笔记本式的协作数据分析;

  Zing Charts:用于大数据的JavaScript图表库。

  物联网和传感器

  TempoIQ:基于云的传感器分析;

  2lemetry:物联网平台;

  Pubnub:数据流网络;

  ThingWorx:ThingWorx 是让企业快速创建和运行互联应用程序平台;

  IFTTT:IFTTT 是一个被称为 “网络自动化神器” 的创新型互联网服务,它的全称是 If this then that,意思是“如果这样,那么就那样”;

  Evrythng:Evrythng则是一款真正意义上的大众物联网平台,使得身边的很多产品变得智能化。

  文章推荐

  NoSQL Comparison(NoSQL 比较)- Cassandra vs MongoDB vs CouchDB vs Redis vs Riak vs HBase vs Couchbase vs Neo4j vs Hypertable vs ElasticSearch vs Accumulo vs VoltDB vs Scalaris comparison;

  Big Data Benchmark(大数据基准)- Redshift, Hive, Shark, Impala and Stiger/Tez的基准;

  The big data successor of the spreadsheet(电子表格的大数据继承者) – 电子表格的继承者应该是大数据。

  论文

  2015 – 2016

  2015 – Facebook – One Trillion Edges: Graph Processing at Facebook-Scale.(一兆边:Facebook规模的图像处理)

  2013 – 2014

  2014 – Stanford – Mining of Massive Datasets.(海量数据集挖掘)

  2013 – AMPLab – Presto: Distributed Machine Learning and Graph Processing with Sparse Matrices. (Presto: 稀疏矩阵的分布式机器学习和图像处理)

  2013 – AMPLab – MLbase: A Distributed Machine-learning System. (MLbase:分布式机器学习系统)

  2013 – AMPLab – Shark: SQL and Rich Analytics at Scale. (Shark: 大规模的SQL 和丰富的分析)

  2013 – AMPLab – GraphX: A Resilient Distributed Graph System on Spark. (GraphX:基于Spark的弹性分布式图计算系统)

  2013 – Google – HyperLogLog in Practice: Algorithmic Engineering of a State of The Art Cardinality Estimation Algorithm. (HyperLogLog实践:一个艺术形态的基数估算算法)

  2013 – Microsoft – Scalable Progressive Analytics on Big Data in the Cloud.(云端大数据的可扩展性渐进分析)

  2013 – Metamarkets – Druid: A Real-time Analytical Data Store. (Druid:实时分析数据存储)

  2013 – Google – Online, Asynchronous Schema Change in F1.(F1中在线、异步模式的转变)

  2013 – Google – F1: A Distributed SQL Database That Scales. (F1: 分布式SQL数据库)

  2013 – Google – MillWheel: Fault-Tolerant Stream Processing at Internet Scale.(MillWheel: 互联网规模下的容错流处理)

  2013 – Facebook – Scuba: Diving into Data at Facebook. (Scuba: 深入Facebook的数据世界)

  2013 – Facebook – Unicorn: A System for Searching the Social Graph. (Unicorn: 一种搜索社交图的系统)

  2013 – Facebook – Scaling Memcache at Facebook. (Facebook 对 Memcache 伸缩性的增强)

  2011 – 2012

  2012 – Twitter – The Unified Logging Infrastructure for Data Analytics at Twitter. (Twitter数据分析的统一日志基础结构)

  2012 – AMPLab –Blink and It’s Done: Interactive Queries on Very Large Data. (Blink及其完成:超大规模数据的交互式查询)

  2012 – AMPLab –Fast and Interactive Analytics over Hadoop Data with Spark. (Spark上 Hadoop数据的快速交互式分析)

  2012 – AMPLab –Shark: Fast Data Analysis Using Coarse-grained Distributed Memory. (Shark:使用粗粒度的分布式内存快速数据分析)

  2012 – Microsoft –Paxos Replicated State Machines as the Basis of a High-Performance Data Store. (Paxos的复制状态机——高性能数据存储的基础)

  2012 – Microsoft –Paxos Made Parallel. (Paxos算法实现并行)

  2012 – AMPLab – BlinkDB:BlinkDB: Queries with Bounded Errors and Bounded Response Times on Very Large Data.(超大规模数据中有限误差与有界响应时间的查询)

  2012 – Google –Processing a trillion cells per mouse click.(每次点击处理一兆个单元格)

  2012 – Google –Spanner: Google’s Globally-Distributed Database.(Spanner:谷歌的全球分布式数据库)

  2011 – AMPLab –Scarlett: Coping with Skewed Popularity Content in MapReduce Clusters.(Scarlett:应对MapReduce集群中的偏向性内容)

  2011 – AMPLab –Mesos: A Platform for Fine-Grained Resource Sharing in the Data Center.(Mesos:数据中心中细粒度资源共享的平台)

  2011 – Google –Megastore: Providing Scalable, Highly Available Storage for Interactive Services.(Megastore:为交互式服务提供可扩展,高度可用的存储)

  2001 – 2010

  2010 – Facebook – Finding a needle in Haystack: Facebook’s photo storage.(探究Haystack中的细微之处: Facebook图片存储)

  2010 – AMPLab – Spark: Cluster Computing with Working Sets.(Spark:工作组上的集群计算)

  2010 – Google – Storage Architecture and Challenges.(存储架构与挑战)

  2010 – Google – Pregel: A System for Large-Scale Graph Processing.(Pregel: 一种大型图形处理系统)

  2010 – Google – Large-scale Incremental Processing Using Distributed Transactions and Noti?cations base of Percolator and Caffeine.(使用基于Percolator 和 Caffeine平台分布式事务和通知的大规模增量处理)

  2010 – Google – Dremel: Interactive Analysis of Web-Scale Datasets.(Dremel: Web规模数据集的交互分析)

  2010 – Yahoo – S4: Distributed Stream Computing Platform.(S4:分布式流计算平台)

  2009 – HadoopDB:An Architectural Hybrid of MapReduce and DBMS Technologies for Analytical Workloads.(混合MapReduce和DBMS技术用于分析工作负载的的架构)

  2008 – AMPLab – Chukwa: A large-scale monitoring system.(Chukwa: 大型监控系统)

  2007 – Amazon – Dynamo: Amazon’s Highly Available Key-value Store.(Dynamo: 亚马逊的高可用的关键价值存储)

  2006 – Google – The Chubby lock service for loosely-coupled distributed systems.(面向松散耦合的分布式系统的锁服务)

  2006 – Google – Bigtable: A Distributed Storage System for Structured Data.(Bigtable: 结构化数据的分布式存储系统)

  2004 – Google – MapReduce: Simplied Data Processing on Large Clusters.(MapReduce: 大型集群上简化数据处理)

  2003 – Google – The Google File System.(谷歌文件系统)

  视频

  数据可视化

  数据可视化之美

  Noah Iliinsky的数据可视化设计

  Hans Rosling’s 200 Countries, 200 Years, 4 Minutes

 

  冰桶挑战的数据可视化





收藏 推荐 打印 | 录入:elainebo | 阅读:
本文评论   查看全部评论 (0)
表情: 表情 姓名: 字数
点评:
       
评论声明
  • 尊重网上道德,遵守中华人民共和国的各项有关法律法规
  • 承担一切因您的行为而直接或间接导致的民事或刑事法律责任
  • 本站管理人员有权保留或删除其管辖留言中的任意内容
  • 本站有权在网站内转载或引用您的评论
  • 参与本评论即表明您已经阅读并接受上述条款