您的当前位置:首页正文

大数据学习资源汇总

2022-08-13 来源:步旅网
大数据学习资源汇总

当前,整个互联网正在从IT时期向DT时期演进,大数据技术也正在助力企业和公众敲开DT世界大门。现今“大数据”一词的重点其实已经不仅在于数据规模的概念,它更代表着信息技术进展进入了一个新的时期,代表着爆炸性的数据信息给传统的计算技术和信息技术带来的技术挑战和困难,代表着大数据处置所需的新的技术和方式,也代表着大数据分析和应用所带来的新发明、新效劳和新的进展机缘。

为了帮忙大伙儿更好深切了解大数据,云栖社区组织翻译了GitHub Awesome Big Data资源,供大伙儿参考。本资源类型要紧包括:大数据框架、论文等有效资源集合。

资源列表:

关系数据库治理系统(RDBMS) 框架 散布式编程 散布式文件系统 文件数据模型 Key -Map 数据模型 键-值数据模型 图形数据模型 NewSQL数据库 列式数据库 时刻序列数据库 类SQL处置 数据摄取 效劳编程 调度 机械学习 基准测试 平安性

系统部署 应用程序 搜索引擎与框架 MySQL的分支和演化 PostgreSQL的分支和演化 Memcached的分支和演化 嵌入式数据库 商业智能 数据可视化 物联网和传感器 文章 论文 视频

关系数据库治理系统(RDBMS)

SQLServer:世界最有活力的数据库; 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-关系型数据库治理系统。

框架

Apache Hadoop:散布式处置架构,结合了 MapReduce(并行处置)、YARN(作业调度)和HDFS(散布式文件系统);

Tigon:高吞吐量实时流处置框架。

散布式编程

AddThis Hydra :最初在AddThis上开发的散布式数据处置和存储系统; AMPLab SIMR:用在Hadoop MapReduce v1上运行Spark; Apache Beam:为统一的模型和一套用于概念和执行数据处置工作流的特定SDK语言; Apache Crunch:一个简单的Java API,用于执行在一般的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的用户概念的函数集合; Apache Flink:具有高性能的执行时刻和自动程序优化; 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 :在集群上利用并行、散布式算法处置大数据集的编程模型; Apache Pig :Hadoop中,用于处置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中流处置与实现的框架; Apache Spark :内存集群计算框架; Apache Spark Streaming :流处置框架,同时是Spark的一部份; Apache Storm :Twitter流处置框架,也可用于YARN; Apache Samza :基于Kafka和YARN的流处置框架; 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,用于减少开发散布式应用程序的复杂度; Cascalog:数据处置和查询库; Cheetah :在MapReduce之上的高性能、自概念数据仓库; Concurrent Cascading :在Hadoop上的数据治理/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阻碍,实现散布式、异步、实时的内存大数据计算; Facebook Corona :为Hadoop做优化处置,从而排除单点故障; Facebook Peregrine :MapReduce框架; Facebook Scuba :散布式内存数据存储; Google Dataflow :创建数据管道,以帮忙其分析框架; 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 :容错流处置框架; JAQL :用于处置结构化、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的生态系统上成立系统加倍容易; Metamarkets Druid :用于大数据集的实时e框架; Onyx :散布式云计算; Pinterest Pinlater :异步任务执行系统; Pydoop :用于Hadoop的Python MapReduce和HDFS API; Rackerlabs Blueflood :多租户散布式测度处置系统; Stratosphere :通用集群计算框架; Streamdrill :用于计算基于不同时刻窗口的事件流的活动,并找到最活跃的一个; Tuktu :易于利用的用于分批处置和流计算的平台,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上利用Scalding和Storm串流MapReduce; Twitter TSAR :Twitter上的时刻序列聚合器。

散布式文件系统

Apache HDFS:在多台机械上存储大型文件的方式; BeeGFS:以前是FhGFS,并行散布式文件系统; Ceph Filesystem:设计的软件存储平台; Disco DDFS:散布式文件系统; Facebook Haystack:对象存储系统; Google Colossus:散布式文件系统(GFS2); Google GFS:散布式文件系统; 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:高性能散布式文件系统; Quantcast File System QFS:开源散布式文件系统; Red Hat GlusterFS:向外扩展的附网存储(Network-attached Storage)文件系统; Seaweed-FS:简单的、高度可扩展的散布式文件系统; Alluxio:以靠得住的存储速度在跨集群框架上文件共享; Tahoe-LAFS:散布式云存储系统;

文件数据模型

Actian Versant:商用的面向对象数据库治理系统; Crate Data:是一个开源的大规模可扩展的数据存储,需要零治理模式; 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”。那个地址列出的有一些是围绕“key-map”数据模型而建的散布式、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,多个如此的值映射能够与键相关联,而且这些映射被称为“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,可是要取得给定列的所有值却不需要以前那么繁复的工作。

前一组在那个地址被称为“key map数据模型”,这二者和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。假假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上的散布式键/值存储; Apache Cassandra:由BigTable授权,面向列的散布式数据存储; Apache HBase:由BigTable授权,面向列的散布式数据存储; Facebook HydraBase:Facebook所开发的HBase的衍化品; Google BigTable:面向列的散布式数据存储; Google Cloud Datastore:为完全治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,面向列的散布式数据存储; InfiniDB:通过MySQL的接口访问,并利用大规模并行处置进行并行查询; Tephra:用于HBase处置; Twitter Manhattan:Twitter的实时、多租户散布式数据库。

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)中的效劳器代码可精准地调整从而幸免上下文切换和内存拷贝”。 Amazon DynamoDB:散布式键/值存储,Dynamo论文的实现; Edis:为替代Redis的协议兼容的效劳器; ElephantDB:专门研究Hadoop中数据导出的散布式数据库; EventStore:散布式时刻序列数据库; GridDB:适用于存储在时刻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:散布式键/值存储系统; Oracle NoSQL Database:Oracle公司开发的散布式键值数据库; 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应用效劳器; TiKV:由Google Spanner和HBase授权,Rust提供技术支持的散布式键值数据库; 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的一部份; ArangoDB:多层模型散布式数据库; DGraph:一个可扩展的、散布式、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普遍用来存储和效劳于社交图形的散布式数据存储; 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 :图形处置框架; GraphLab PowerGraph:核心C ++ GraphLab API和成立在GraphLab API之上的高性能机械学习和数据挖掘工具包的集合; GraphX:Spark中的弹性散布式图形系统; 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置; Neo4j:完全用Java写入的图形数据库; OrientDB:文档和图形数据库; Phoebus:大型图形处置框架; Titan:建于Cassandra的散布式图形数据库; Twitter FlockDB:散布式图形数据库。

NewSQL数据库

Actian Ingres:由商业支持,开源的SQL关系数据库治理系统; Amazon RedShift:基于PostgreSQL的数据仓库效劳; BayesDB:面向统计数值的SQL数据库; CitusDB:通过度区和复制横向扩展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、灵活的智能应用的散布式数据库; FoundationDB:由F1授意的散布式数据库; Google F1:成立在Spanner上的散布式SQL数据库; Google Spanner:全世界性的散布式半关系型数据库; H-Store:是一个实验性主存并行数据库治理系统,用于联机事务处置(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:无穷可扩展的RDBMS; MemSQL:内存中的SQL数据库,其中有优化的闪存列存储; NuoDB:SQL / ACID兼容的散布式数据库; 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治理系统; Pivotal GemFire XD:内存中低延时的散布式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治理系统; SenseiDB:散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是散布式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:说明什么是列存储和何时会需要用到它; 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:用来治理大规模、快速增加的大量数据,当用于数据仓库时,能够提供超级快的查询性能; Google BigQuery :谷歌的云产品,由其在Dremel的开创工作提供支持; Amazon Redshift :亚马逊的云产品,它也是基于柱状数据存储后端。

时刻序列数据库

Cube:利用MongoDB来存储时刻序列数据; Axibase Time Series Database:在HBase之上的散布式时刻序列数据库,它包括内置的Rule Engine、数据预测和可视化; Heroic:基于Cassandra和Elasticsearch的可扩展的时刻序列数据库; InfluxDB:散布式时刻序列数据库; Kairosdb:类似于OpenTSDB但会考虑到Cassandra; OpenTSDB:在HBase上的散布式时刻序列数据库; Prometheus:一种时刻序列数据库和效劳监测系统; Newts:一种基于Apache Cassandra的时刻序列数据库。

类SQL处置

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的表格和存储治理层; Apache Hive:Hadoop的类SQL数据仓库系统; Apache Optiq:一种框架,可许诺高效的查询翻译,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:散布式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:利用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的散布式数据仓库系统; 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置; Apache Chukwa:数据搜集系统; Apache Flume:治理大量日记数据的效劳; Apache Kafka:散布式发布-定阅消息系统; 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:帮忙 Solr、HBase和HDFS完成ETL的框架; Facebook Scribe:流日记数据聚合器; Fluentd:搜集事件和日记的工具; Google Photon:实时连接多个数据流的散布式运算机系统,具有高可扩展性和低延迟性; Heka:开源流处置软件系统; HIHO:用Hadoop连接不同数据源的框架; Kestrel:散布式消息队列系统; LinkedIn Databus:对数据库更改捕捉的事件流; LinkedIn Kamikaze:紧缩已分类整型数组的程序包; LinkedIn White Elephant:日记聚合器和仪表板; Logstash:用于治理事件和日记的工具; Netflix Suro:像基于Chukwa 的Storm和Samza一样的日记聚合器; Pinterest Secor:是实现Kafka日记持久性的效劳; Linkedin Gobblin:LinkedIn的通用数据摄取框架; Skizze:是一种数据存储略图,利用概率性数据结构来处置计数、略图等相关的问题; StreamSets Data Collector:持续大数据搜集的基础设施,可简单地利用IDE。 效劳编程

Akka Toolkit:JVM中散布性、容错事件驱动应用程序的运行时刻; 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运行时刻; Apache Thrift:构建二进制协议的框架; Apache Zookeeper:流程治理集中式效劳; Google Chubby:一种松耦合散布式系统锁效劳; Linkedin Norbert:集群治理器; OpenMPI:消息传递框架; Serf:效劳发觉和和谐的分散化解决方案; Spotify Luigi:一种构建批处置作业的复杂管道的Python包,它能够处置依托性解析、工作流治理、可视化、故障处置、命令行一体化等等问题; Spring XD:数据摄取、实时分析、批量处置和数据导出的散布式、可扩展系统; Twitter Elephant Bird:LZO紧缩数据的工作库; Twitter Finagle:JVM的异步网络堆栈。

调度

Apache Aurora:在Apache Mesos之上运行的效劳调度程序; Apache Falcon:数据治理框架; Apache Oozie:工作流作业调度程序; Chronos:散布式容错调度; Linkedin Azkaban:批处置工作流作业调度; 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。

机械学习

Apache Mahout:Hadoop的机械学习库; brain:JavaScript中的神经网络; Cloudera Oryx:实时大规模机械学习; Concurrent Pattern:Cascading的机械学习库; convnetjs:Javascript中的机械学习,在阅读器中训练卷积神经网络(或一般网络); Decider:Ruby中灵活、可扩展的机械学习; ENCOG:支持多种先进算法的机械学习框架,同时支持类的标准化和处置数据; etcML:机械学习文本分类; Etsy Conjecture:Scalding中可扩展的机械学习; Google Sibyl:Google中的大规模机械学习系统; GraphLab Create:Python的机械学习平台,包括ML工具包、数据工程和部署工具的普遍集合; H2O:Hadoop统计性的机械学习和数学运行时刻; MLbase:用于BDAS堆栈的散布式机械学习库; 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械智力平台,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上的机械学习效劳器; SAMOA:散布式流媒体机械学习框架; scikit-learn:scikit-learn为Python中的机械学习; Spark MLlib:Spark中一些经常使用的机械学习(ML)功能的实现; Vowpal Wabbit:微软和雅虎发起的学习系统; WEKA:机械学习软件套件; BidMach:CPU和加速GPU的机械学习库。

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。

平安性

Apache Knox Gateway:Hadoop集群平安访问的单点; Apache Sentry:存储在Hadoop的数据平安模块。

系统部署

Apache Ambari:Hadoop治理的运作框架; Apache Bigtop:Hadoop生态系统的部署框架; Apache Helix:集群治理框架; Apache Mesos:集群治理器; Apache Slider:一种YARN应用,用来部署YARN中现有的散布式应用程序; Apache Whirr:运行云效劳的库集; Apache YARN:集群治理器; Brooklyn:用于简化应用程序部署和治理的库; 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:用于长期运行效劳的Mesos框架。

应用程序

Adobe spindle:利用Scala、Spark和Parquet处置的下一代web分析; Apache Kiji:基于HBase,实时搜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捉、处置和共享; Apache Tika:内容分析工具包; Argus:时刻序列监测和报警平台; Countly:基于和MongoDB,开源的电话和网络分析平台; Domino:运行、计划、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上执行图像处置任务的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置库; Kylin:来自eBay的开源散布式分析工具; 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散布式内存数据存储,提供成立在Spark单一集成集群中的数据流分析、OLTP(联机事务处置)和OLAP(联机分析处置); 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:用于机械生成的数据的分析; Sumo Logic:基于云的分析仪,用于分析机械生成的数据; 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; :为免费增值的健壮性web应用,用于探讨、挑选、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:持续索引系统; Google Percolator:持续索引系统; TeraGoogle:大型搜索索引; HBase Coprocessor:为Percolator的实现,HBase的一部份; 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进展; 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:利用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:完全成立在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能够推导多字节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,用于可视化和探讨数据; datapine:基于云的自助效劳商业智能工具; Jaspersoft:功能壮大的商业智能套件; 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的日记和时戳数据进行可视化; Bokeh:一个功能壮大的Python交互式可视化库,它针对要展现的现代web阅读器,旨在为风格的新奇的图形提供优雅简练的设计,同时在大规模数据或流数据集中,通太高性能交互性来表达这种能力; C3:基于D3可重复利用的图表库; CartoDB:开源或免费增值的虚拟主机,用于带有壮大的前端编辑功能和API的地理空间数据库; chartd:只带Img标签的反映灵敏、兼容Retina的图表; :开源的HTML5图表可视化成效; :另一个开源HTML5图表可视化成效; Crossfilter:JavaScript库,用于在阅读器中探讨多元大数据集,用和D3.js.成效专门好; Cubism:用于时刻序列可视化的JavaScript库; Cytoscape:用于可视化复杂网络的JavaScript库; :维度图表,和Crossfilter一路利用,通过呈现出来,它比较擅长连接图表/附加的元数据,从而彷徨在D3的事件周围; D3:操作文件的JavaScript库; :从可重复利用的图表和组件组成复杂的、数据驱动的可视化; D3Plus:一组相当壮大的可重用的图表,还有的样式; 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,可是针关于图表,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硕的架构; Kibana:可视化日记和时刻标记数据; Matplotlib:Python画图; :成立在D3之上的库,针对时刻序列数据进行最优化; NVD3:的图表组件; Peity:渐进式SVG条形图,折线和饼图; :易于利用的Web效劳,它许诺快速创建从热图到直方图等复杂的图表,利用图表Plotly的在线电子表格上传数据进行创建和设计; :支持plotly的开源JavaScript图形库; Recline:简单但功能壮大的库,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; :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” 的创新型互联网效劳,它的全称是 If this then that,意思是“若是如此,那么就那样”; Evrythng:Evrythng那么是一款真正意义上的公共物联网平台,使得身旁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 2021 - 2016

2021 - Facebook - One Trillion Edges: Graph Processing at Facebook-Scale.(一兆边:Facebook规模的图像处置)

2021 - 2021

2021 - Stanford - Mining of Massive Datasets.(海量数据集挖掘) 2021 - AMPLab - Presto: Distributed Machine Learning and Graph

Processing with Sparse Matrices. (Presto: 稀疏矩阵的散布式机械学习和图像处置)

2021 - AMPLab - MLbase: A Distributed Machine-learning

System. (MLbase:散布式机械学习系统)

2021 - AMPLab - Shark: SQL and Rich Analytics at

Scale. (Shark: 大规模的SQL 和丰硕的分析)

2021 - AMPLab - GraphX: A Resilient Distributed Graph System

on Spark. (GraphX:基于Spark的弹性散布式图计算系统)

2021 - 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)

2021 - Microsoft - Scalable Progressive Analytics on Big Data

in the Cloud.(云端大数据的可扩展性渐进分析)

2021 - Metamarkets - Druid: A Real-time Analytical Data

Store. (Druid:实时分析数据存储)

2021 - Google - Online, Asynchronous Schema Change in F1.(F1中

在线、异步模式的转变)

2021 - Google - F1: A Distributed SQL Database That

Scales. (F1: 散布式SQL数据库)

2021 - Google - MillWheel: Fault-Tolerant Stream Processing at

Internet Scale.(MillWheel: 互联网规模下的容错流处置)

2021 - Facebook - Scuba: Diving into Data at

Facebook. (Scuba: 深切Facebook的数据世界)

2021 - Facebook - Unicorn: A System for Searching the Social

Graph. (Unicorn: 一种搜索社交图的系统)

2021 - Facebook - Scaling Memcache at

Facebook. (Facebook 对 Memcache 伸缩性的增强)

2020 - 2021

2021 - Twitter - The Unified Logging Infrastructure for Data Analytics at Twitter. (Twitter数据分析的统一日记基础结构)

2021 - 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)

2021 - AMPLab –Fast and Interactive Analytics over Hadoop Data

with Spark. (Spark上 Hadoop数据的快速交互式分析)

2021 - AMPLab –Shark: Fast Data Analysis Using Coarse-grained

Distributed Memory. (Shark:利用粗粒度的散布式内存快速数据分析)

2021 - 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)

2021 - Microsoft –Paxos Made Parallel. (Paxos算法实现并行) 2021 - 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刻的查询)

2021 - Google –Processing a trillion cells per mouse click.(每次

点击处置一兆个单元格)

2021 - Google –Spanner: Google’s Globally-Distributed Database.

(Spanner:谷歌的全世界散布式数据库)

2020 - AMPLab –Scarlett: Coping with Skewed Popularity Content in

MapReduce Clusters.(Scarlett:应付MapReduce集群中的偏向性内容)

2020 - 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)

2020 - Google –Megastore: Providing Scalable, Highly Available

Storage for Interactive Services.(Megastore:为交互式效劳提供可扩展,高度可用的存储)

2001 - 2020

2020 - Facebook - Finding a needle in Haystack: Facebook’s photo storage.(探讨Haystack中的细微的地方: Facebook图片存储)

2020 - AMPLab - Spark: Cluster Computing with Working Sets.

(Spark:工作组上的集群计算)

2020 - Google - Storage Architecture and Challenges.(存储架构

与挑战)

2020 - Google - Pregel: A System for Large-Scale Graph

Processing.(Pregel: 一种大型图形处置系统)

2020 - Google - Large-scale Incremental Processing Using

Distributed Transactions and Notifications base of Percolator and Caffeine.(利用基于Percolator 和 Caffeine平台散布式事务和通知的大规模增量处置)

2020 - Google - Dremel: Interactive Analysis of Web-Scale

Datasets.(Dremel: Web规模数据集的交互分析)

2020 - Yahoo - S4: Distributed Stream Computing Platform.(S4:

散布式流计算平台)

2020 - 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)

2020 - 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.(面向松散耦合的散布式系统的锁效劳)

2006 - Google - Bigtable: A Distributed Storage System for

Structured Data.(Bigtable: 结构化数据的散布式存储系统)

2004 - Google - MapReduce: Simplied Data Processing on Large

Clusters.(MapReduce: 大型集群上简化数据处置)

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

原文:

毒逆天 出处:

本文版权归作者和博客园共有,欢迎转载,但未经作者同意必需保留此段声明,且在文章页面明显位置给出原文连接,不然将其追究法律责任! 弱者只能独自流泪,黯然神伤;强者却能力挽狂澜,一锤定音!

因篇幅问题不能全部显示,请点此查看更多更全内容