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/
|
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 |