收藏本站
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
捡代码论坛-最全的游戏源码下载技术网站！ › 门户 ›IT资讯 › 查看内容

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: 5217| 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