阿里云服务器免费领卷啦。

捡代码论坛-最全的游戏源码下载技术网站!

 找回密码
 立 即 注 册

QQ登录

只需一步,快速开始

搜索

史上最全的“大数据”学习资源整理【2-2】

2016-5-10 16:47| 发布者: admin| 查看: 2551| 评论: 1|原作者: admin

摘要: 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 ...
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
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
安全性
系统部署
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
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
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
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