利来官网:能够和Hadoop文件系统并交运作

 有线键盘     |      2018-10-11 14:32

  Hive:数据仓库可以用SQL查询,可以运行Map/Reduce程序。用来计算趋势或者网站日志,不应用于实时查询,需要很长时间返回结果。

  HBase:数据库。非常适合用来做大数据的实时查询。Facebook用Hbase存储消息数据并进行消息实时的分析

  Mahout:可扩展的机器学习和数据挖掘库。用来做推荐挖掘,聚集,分类,频繁项集挖掘。

  Chukwa:开源收集系统,监视大型分布式系统,建立在HDFS和Map/Reduce框架之上。显示、监视、分析结果。

  Ambari:用于配置、管理和监视Hadoop集群,基于Web,界面友好。

  ClouderaFlume:日志收集系统,支持在日志系统中定制各类数据发送方,利来娱乐用来收集数据。

  mahout:提供可扩展的机器学习领域经典算法的实现,包括聚类、分类、推荐过滤、利来娱乐频繁子项挖掘等,且可通过Hadoop扩展到云中。

  Storm:分布式,容错的实时流式计算系统,可以用作实时分析,在线机器学习,信息流处理,连续性计算,分布式RPC,实时处理消息并更新数据库。

  Kafka:高吞吐量的分布式发布订阅消息系统,可以处理消费者规模的网站中的所有动作流数据(浏览,搜索等)。相对Hadoop的日志数据和离线分析,可以实现实时处理。目前通过Hadoop的并行加载机制来统一线上和离线的消息处理

  Redis:由c语言编写,支持网络、可基于内存亦可持久化的日志型、key-value型数据库。

  Spark:Spark是在Scala语言中实现的类似于Hadoop MapReduce的通用并行框架,除了Hadoop MapReduce所具有的优点,但不同于MapReduce的是job中间输出结果可以保存在内存中,从而不需要读写HDFS,因此Spark能更好的适用于数据挖掘与机器学习等需要迭代的MapReduce算法。可以和Hadoop文件系统并行运作,用过Mesos的第三方集群框架可以支持此行为。

  Spark Streaming:一种构建在Spark上的实时计算框架,扩展了Spark处理大数据流式数据的能力。

  Spark MLlib:MLlib是Spark是常用的机器学习算法的实现库,键盘目前(2014.05)支持二元分类,回归,聚类以及协同过滤。同时也包括一个底层的梯度下降优化基础算法。MLlib以来jblas线性代数库,jblas本身以来远程的Fortran程序。

  Spark GraphX:GraphX是Spark中用于图和图并行计算的API,可以在Spark之上提供一站式数据解决方案,可以方便且高效地完成图计算的一整套流水作业。

  jblas:一个快速的线性代数库(JAVA)。基于BLAS与LAPACK,矩阵计算实际的行业标准,并使用先进的基础设施等所有的计算程序的ATLAS艺术的实现,使其非常快。

  Fortran:最早出现的计算机高级程序设计语言,广泛应用于科学和工程计算领域。

  BLAS:基础线性代数子程序库,利来官网:拥有大量已经编写好的关于线性代数运算的程序。

  LAPACK:著名的公开软件,包含了求解科学与工程计算中最常见的数值线性代数问题,如求解线性方程组、线性最小二乘问题、特征值问题和奇异值问题等。