开源大数据（hadoop生态系统、流式处理系统等）处理工具汇总

下面是文档简版，收集整理者为Aquester

下面是对各种开源大数据工具的一个搜集汇总，对他们做了一个简单的介绍，如果想了解更详细可以查看官网。

同时可以作为入门，对大数据有一个整体的认识

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/	原叫Tez，下一代Hive,Hortonworks主导开发，运行在YARN上的DAG计算框架
		http://tez.incubator.apache.org/
	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/	使用Scala语言实现，和MapReduce有较大的竞争关系，性能强于MapReduce
		http://shark.cs.berkeley.edu/
	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/	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。
		https://github.com/amplab/tachyon
	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/	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。
		http://www.elasticsearch.cn/
	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/	Twitter开源的参考Google Dapper而开发，使用Apache Cassandra做为数据存储系统
		https://github.com/twitter/zipkin/

楼主赞！！！！！这样自己有了一个大概的认识了

靠，大数据生态系统真的很庞大