超详细的大数据学习资源推荐（下）

时间:2022-04-21
本文章向大家介绍超详细的大数据学习资源推荐（下），主要内容包括其使用实例、应用技巧、基本知识点总结和需要注意事项，具有一定的参考价值，需要的朋友可以参考一下。

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。

随机文章
本站知识点必读
最近更新