Hadoop和大数据：60款顶级开源工具
說(shuō) 到處理大數(shù)據(jù)的工具，普通的開源解決方案（尤其是Apache Hadoop）堪稱中流砥柱。弗雷斯特調(diào)研公司的分析師Mike Gualtieri最近預(yù)測(cè)，在接下來(lái)幾年，“100%的大公司”會(huì)采用Hadoop。Market Research的一份報(bào)告預(yù)測(cè)，到2011年，Hadoop市場(chǎng)會(huì)以58%的年復(fù)合增長(zhǎng)率（CAGR）高速增長(zhǎng)；到2020年，市場(chǎng)產(chǎn)值會(huì)超過10億美 元。IBM更是非常看好開源大數(shù)據(jù)工具，派出了3500名研究人員開發(fā)Apache Spark，這個(gè)工具是Hadoop生態(tài)系統(tǒng)的一部分。
這回我們推出了最新的頂級(jí)開源大數(shù)據(jù)工具排行榜。這個(gè)領(lǐng)域最近方興未艾，許多新項(xiàng)目紛紛啟動(dòng)。許多最知名的項(xiàng)目由Apache基金會(huì)管理，與Hadoop密切相關(guān)。
請(qǐng)注意：本文不是要搞什么排名；相反，項(xiàng)目按類別加以介紹。與往常一樣，要是你知道另外的開源大數(shù)據(jù)及/或Hadoop工具應(yīng)該榜上有名，歡迎留言交流。
一、Hadoop相關(guān)工具
1. Hadoop
Apache的Hadoop項(xiàng)目已幾乎與大數(shù)據(jù)劃上了等號(hào)。它不斷壯大起來(lái)，已成為一個(gè)完整的生態(tài)系統(tǒng)，眾多開源工具面向高度擴(kuò)展的分布式計(jì)算。
支持的操作系統(tǒng)：Windows、Linux和OS X。
相關(guān)鏈接： http://hadoop.apache.org ?
2. Ambari
作為Hadoop生態(tài)系統(tǒng)的一部分，這個(gè)Apache項(xiàng)目提供了基于Web的直觀界面，可用于配置、管理和監(jiān)控Hadoop集群。有些開發(fā)人員想把Ambari的功能整合到自己的應(yīng)用程序當(dāng)中，Ambari也為他們提供了充分利用REST（代表性狀態(tài)傳輸協(xié)議）的API。
支持的操作系統(tǒng)：Windows、Linux和OS X。
相關(guān)鏈接： http://ambari.apache.org
3. Avro
這個(gè)Apache項(xiàng)目提供了數(shù)據(jù)序列化系統(tǒng)，擁有豐富的數(shù)據(jù)結(jié)構(gòu)和緊湊格式。模式用JSON來(lái)定義，它很容易與動(dòng)態(tài)語(yǔ)言整合起來(lái)。
支持的操作系統(tǒng)：與操作系統(tǒng)無(wú)關(guān)。
相關(guān)鏈接： http://avro.apache.org
4. Cascading
Cascading是一款基于Hadoop的應(yīng)用程序開發(fā)平臺(tái)。提供商業(yè)支持和培訓(xùn)服務(wù)。
支持的操作系統(tǒng)：與操作系統(tǒng)無(wú)關(guān)。
相關(guān)鏈接： http://www.cascading.org/projects/cascading/
5. Chukwa
Chukwa基于Hadoop，可以收集來(lái)自大型分布式系統(tǒng)的數(shù)據(jù)，用于監(jiān)控。它還含有用于分析和顯示數(shù)據(jù)的工具。
支持的操作系統(tǒng)：Linux和OS X。
相關(guān)鏈接： http://chukwa.apache.org
6. Flume
Flume可以從其他應(yīng)用程序收集日志數(shù)據(jù)，然后將這些數(shù)據(jù)送入到Hadoop。官方網(wǎng)站聲稱：“它功能強(qiáng)大、具有容錯(cuò)性，還擁有可以調(diào)整優(yōu)化的可靠性機(jī)制和許多故障切換及恢復(fù)機(jī)制。”
支持的操作系統(tǒng)：Linux和OS X。
相關(guān)鏈接： https://cwiki.apache.org/confluence/display/FLUME/Home
7. HBase
HBase是為有數(shù)十億行和數(shù)百萬(wàn)列的超大表設(shè)計(jì)的，這是一種分布式數(shù)據(jù)庫(kù)，可以對(duì)大數(shù)據(jù)進(jìn)行隨機(jī)性的實(shí)時(shí)讀取/寫入訪問。它有點(diǎn)類似谷歌的Bigtable，不過基于Hadoop和Hadoop分布式文件系統(tǒng)（HDFS）而建。
支持的操作系統(tǒng)：與操作系統(tǒng)無(wú)關(guān)。
相關(guān)鏈接： http://hbase.apache.org
8. Hadoop分布式文件系統(tǒng)（HDFS）
HDFS是面向Hadoop的文件系統(tǒng)，不過它也可以用作一種獨(dú)立的分布式文件系統(tǒng)。它基于Java，具有容錯(cuò)性、高度擴(kuò)展性和高度配置性。
支持的操作系統(tǒng)：Windows、Linux和OS X。
相關(guān)鏈接： https://hadoop.apache.org/docs/stable/hadoop-project-dist/hadoop-hdfs/HdfsUserGuide.html
9. Hive
Apache Hive是面向Hadoop生態(tài)系統(tǒng)的數(shù)據(jù)倉(cāng)庫(kù)。它讓用戶可以使用HiveQL查詢和管理大數(shù)據(jù)，這是一種類似SQL的語(yǔ)言。
支持的操作系統(tǒng)：與操作系統(tǒng)無(wú)關(guān)。
相關(guān)鏈接： http://hive.apache.org
10. Hivemall
Hivemall結(jié)合了面向Hive的多種機(jī)器學(xué)習(xí)算法。它包括諸多高度擴(kuò)展性算法，可用于數(shù)據(jù)分類、遞歸、推薦、k最近鄰、異常檢測(cè)和特征哈希。
支持的操作系統(tǒng)：與操作系統(tǒng)無(wú)關(guān)。
相關(guān)鏈接： https://github.com/myui/hivemall
11. Mahout
據(jù)官方網(wǎng)站聲稱，Mahout項(xiàng)目的目的是“為迅速構(gòu)建可擴(kuò)展、高性能的機(jī)器學(xué)習(xí)應(yīng)用程序打造一個(gè)環(huán)境。”它包括用于在Hadoop MapReduce上進(jìn)行數(shù)據(jù)挖掘的眾多算法，還包括一些面向Scala和Spark環(huán)境的新穎算法。
支持的操作系統(tǒng)：與操作系統(tǒng)無(wú)關(guān)。
相關(guān)鏈接： http://mahout.apache.org
12. MapReduce
作為Hadoop一個(gè)不可或缺的部分，MapReduce這種編程模型為處理大型分布式數(shù)據(jù)集提供了一種方法。它最初是由谷歌開發(fā)的，但現(xiàn)在也被本文介紹的另外幾個(gè)大數(shù)據(jù)工具所使用，包括CouchDB、MongoDB和Riak。
支持的操作系統(tǒng)：與操作系統(tǒng)無(wú)關(guān)。
相關(guān)鏈接： http://hadoop.apache.org/docs/current/hadoop-mapreduce-client/hadoop-mapreduce-client-core/MapReduceTutorial.html
13. Oozie
這種工作流程調(diào)度工具是為了管理Hadoop任務(wù)而專門設(shè)計(jì)的。它能夠按照時(shí)間或按照數(shù)據(jù)可用情況觸發(fā)任務(wù)，并與MapReduce、Pig、Hive、Sqoop及其他許多相關(guān)工具整合起來(lái)。
支持的操作系統(tǒng)：Linux和OS X。
相關(guān)鏈接： http://oozie.apache.org
14. Pig
Apache Pig是一種面向分布式大數(shù)據(jù)分析的平臺(tái)。它依賴一種名為Pig Latin的編程語(yǔ)言，擁有簡(jiǎn)化的并行編程、優(yōu)化和可擴(kuò)展性等優(yōu)點(diǎn)。
支持的操作系統(tǒng)：與操作系統(tǒng)無(wú)關(guān)。
相關(guān)鏈接： http://pig.apache.org
15. Sqoop
企業(yè)經(jīng)常需要在關(guān)系數(shù)據(jù)庫(kù)與Hadoop之間傳輸數(shù)據(jù)，而Sqoop就是能完成這項(xiàng)任務(wù)的一款工具。它可以將數(shù)據(jù)導(dǎo)入到Hive或HBase，并從Hadoop導(dǎo)出到關(guān)系數(shù)據(jù)庫(kù)管理系統(tǒng)（RDBMS）。
支持的操作系統(tǒng)：與操作系統(tǒng)無(wú)關(guān)。
相關(guān)鏈接： http://sqoop.apache.org
16. Spark
作 為MapReduce之外的一種選擇，Spark是一種數(shù)據(jù)處理引擎。它聲稱，用在內(nèi)存中時(shí)，其速度比MapReduce最多快100倍；用在磁盤上時(shí)， 其速度比MapReduce最多快10倍。它可以與Hadoop和Apache Mesos一起使用，也可以獨(dú)立使用。
支持的操作系統(tǒng)：Windows、Linux和OS X。
相關(guān)鏈接： http://spark.apache.org
17. Tez
Tez建立在Apache Hadoop YARN的基礎(chǔ)上，這是“一種應(yīng)用程序框架，允許為任務(wù)構(gòu)建一種復(fù)雜的有向無(wú)環(huán)圖，以便處理數(shù)據(jù)。”它讓Hive和Pig可以簡(jiǎn)化復(fù)雜的任務(wù)，而這些任務(wù)原本需要多個(gè)步驟才能完成。
支持的操作系統(tǒng)：Windows、Linux和OS X。
相關(guān)鏈接： http://tez.apache.org
18. Zookeeper
這種大數(shù)據(jù)管理工具自稱是“一項(xiàng)集中式服務(wù)，可用于維護(hù)配置信息、命名、提供分布式同步以及提供群組服務(wù)。”它讓Hadoop集群里面的節(jié)點(diǎn)可以彼此協(xié)調(diào)。
支持的操作系統(tǒng)：Linux、Windows（只適合開發(fā)環(huán)境）和OS X（只適合開發(fā)環(huán)境）。
相關(guān)鏈接： http://zookeeper.apache.org
二、大數(shù)據(jù)分析平臺(tái)和工具
19. Disco
Disco最初由諾基亞開發(fā)，這是一種分布式計(jì)算框架，與Hadoop一樣，它也基于MapReduce。它包括一種分布式文件系統(tǒng)以及支持?jǐn)?shù)十億個(gè)鍵和值的數(shù)據(jù)庫(kù)。
支持的操作系統(tǒng)：Linux和OS X。
相關(guān)鏈接： http://discoproject.org
20. HPCC
作為Hadoop之外的一種選擇，HPCC這種大數(shù)據(jù)平臺(tái)承諾速度非常快，擴(kuò)展性超強(qiáng)。除了免費(fèi)社區(qū)版外，HPCC Systems還提供收費(fèi)的企業(yè)版、收費(fèi)模塊、培訓(xùn)、咨詢及其他服務(wù)。
支持的操作系統(tǒng)：Linux。
相關(guān)鏈接： http://hpccsystems.com
21. Lumify
Lumify歸Altamira科技公司（以國(guó)家安全技術(shù)而聞名）所有，這是一種開源大數(shù)據(jù)整合、分析和可視化平臺(tái)。你只要在Try.Lumify.io試一下演示版，就能看看它的實(shí)際效果。
支持的操作系統(tǒng)：Linux。
相關(guān)鏈接： http://www.jboss.org/infinispan.html
22. Pandas
Pandas項(xiàng)目包括基于Python編程語(yǔ)言的數(shù)據(jù)結(jié)構(gòu)和數(shù)據(jù)分析工具。它讓企業(yè)組織可以將Python用作R之外的一種選擇，用于大數(shù)據(jù)分析項(xiàng)目。
支持的操作系統(tǒng)：Windows、Linux和OS X。
相關(guān)鏈接： http://pandas.pydata.org
23. Storm
Storm現(xiàn)在是一個(gè)Apache項(xiàng)目，它提供了實(shí)時(shí)處理大數(shù)據(jù)的功能（不像Hadoop只提供批任務(wù)處理）。其用戶包括推特、美國(guó)天氣頻道、WebMD、阿里巴巴、Yelp、雅虎日本、Spotify、Group、Flipboard及其他許多公司。
支持的操作系統(tǒng)：Linux。
相關(guān)鏈接： https://storm.apache.org
三、數(shù)據(jù)庫(kù)/數(shù)據(jù)倉(cāng)庫(kù)
24. Blazegraph
Blazegraph之前名為“Bigdata”，這是一種高度擴(kuò)展、高性能的數(shù)據(jù)庫(kù)。它既有使用開源許可證的版本，也有使用商業(yè)許可證的版本。
支持的操作系統(tǒng)：與操作系統(tǒng)無(wú)關(guān)。
相關(guān)鏈接： http://www.systap.com/bigdata
25. Cassandra
這 種NoSQL數(shù)據(jù)庫(kù)最初由Facebook開發(fā)，現(xiàn)已被1500多家企業(yè)組織使用，包括蘋果、歐洲原子核研究組織（CERN）、康卡斯特、電子港灣、 GitHub、GoDaddy、Hulu、Instagram、Intuit、Netfilx、Reddit及其他機(jī)構(gòu)。它能支持超大規(guī)模集群；比如說(shuō)， 蘋果部署的Cassandra系統(tǒng)就包括75000多個(gè)節(jié)點(diǎn)，擁有的數(shù)據(jù)量超過10 PB。
支持的操作系統(tǒng)：與操作系統(tǒng)無(wú)關(guān)。
相關(guān)鏈接： http://cassandra.apache.org
26. CouchDB
CouchDB號(hào)稱是“一款完全擁抱互聯(lián)網(wǎng)的數(shù)據(jù)庫(kù)”，它將數(shù)據(jù)存儲(chǔ)在JSON文檔中，這種文檔可以通過Web瀏覽器來(lái)查詢，并且用JavaScript來(lái)處理。它易于使用，在分布式上網(wǎng)絡(luò)上具有高可用性和高擴(kuò)展性。
支持的操作系統(tǒng)：Windows、Linux、OS X和安卓。
相關(guān)鏈接： http://couchdb.apache.org
27. FlockDB
由推特開發(fā)的FlockDB是一種非常快、擴(kuò)展性非常好的圖形數(shù)據(jù)庫(kù)，擅長(zhǎng)存儲(chǔ)社交網(wǎng)絡(luò)數(shù)據(jù)。雖然它仍可用于下載，但是這個(gè)項(xiàng)目的開源版已有一段時(shí)間沒有更新了。
支持的操作系統(tǒng)：與操作系統(tǒng)無(wú)關(guān)。
相關(guān)鏈接： https://github.com/twitter/flockdb
28. Hibari
這個(gè)基于Erlang的項(xiàng)目自稱是“一種分布式有序鍵值存儲(chǔ)系統(tǒng)，保證擁有很強(qiáng)的一致性”。它最初是由Gemini Mobile Technologies開發(fā)的，現(xiàn)在已被歐洲和亞洲的幾家電信運(yùn)營(yíng)商所使用。
支持的操作系統(tǒng)：與操作系統(tǒng)無(wú)關(guān)。
相關(guān)鏈接： http://hibari.github.io/hibari-doc/
29. Hypertable
Hypertable是一種與Hadoop兼容的大數(shù)據(jù)數(shù)據(jù)庫(kù)，承諾性能超高，其用戶包括電子港灣、百度、高朋、Yelp及另外許多互聯(lián)網(wǎng)公司。提供商業(yè)支持服務(wù)。
支持的操作系統(tǒng)：Linux和OS X。
相關(guān)鏈接： http://hypertable.org
30. Impala
Cloudera聲稱，基于SQL的Impala數(shù)據(jù)庫(kù)是“面向Apache Hadoop的領(lǐng)先的開源分析數(shù)據(jù)庫(kù)”。它可以作為一款獨(dú)立產(chǎn)品來(lái)下載，又是Cloudera的商業(yè)大數(shù)據(jù)產(chǎn)品的一部分。
支持的操作系統(tǒng)：Linux和OS X。
相關(guān)鏈接： http://www.cloudera.com/content/cloudera/en/products-and-services/cdh/impala.html
31. InfoBright社區(qū)版
InfoBright為數(shù)據(jù)分析而設(shè)計(jì)，這是一種面向列的數(shù)據(jù)庫(kù)，具有很高的壓縮比。InfoBright.com提供基于同一代碼的收費(fèi)產(chǎn)品，提供支持服務(wù)。
支持的操作系統(tǒng)：Windows和Linux。
相關(guān)鏈接： http://www.infobright.org
32. MongoDB
mongoDB的下載量已超過1000萬(wàn)人次，這是一種極其受歡迎的NoSQL數(shù)據(jù)庫(kù)。MongoDB.com上提供了企業(yè)版、支持、培訓(xùn)及相關(guān)產(chǎn)品和服務(wù)。
支持的操作系統(tǒng)：Windows、Linux、OS X和Solaris。
相關(guān)鏈接： http://www.mongodb.org
33. Neo4j
Neo4j自稱是“速度最快、擴(kuò)展性最佳的原生圖形數(shù)據(jù)庫(kù)”，它承諾具有大規(guī)模擴(kuò)展性、快速的密碼查詢性能和經(jīng)過改進(jìn)的開發(fā)效率。用戶包括電子港灣、必能寶（Pitney Bowes）、沃爾瑪、德國(guó)漢莎航空公司和CrunchBase。
支持的操作系統(tǒng)：Windows和Linux。
相關(guān)鏈接： http://neo4j.org
34. OrientDB
這款多模型數(shù)據(jù)庫(kù)結(jié)合了圖形數(shù)據(jù)庫(kù)的一些功能和文檔數(shù)據(jù)庫(kù)的一些功能。提供收費(fèi)支持、培訓(xùn)和咨詢等服務(wù)。
支持的操作系統(tǒng)：與操作系統(tǒng)無(wú)關(guān)。
相關(guān)鏈接： http://www.orientdb.org/index.htm
35. Pivotal Greenplum Database
Pivotal聲稱，Greenplum是“同類中最佳的企業(yè)級(jí)分析數(shù)據(jù)庫(kù)”，能夠非常快速地對(duì)龐大的海量數(shù)據(jù)進(jìn)行功能強(qiáng)大的分析。它是Pivotal大數(shù)據(jù)庫(kù)套件的一部分。
支持的操作系統(tǒng)：Windows、Linux和OS X。
相關(guān)鏈接： http://pivotal.io/big-data/pivotal-greenplum-database
36. Riak
Riak“功能完備”，有兩個(gè)版本：KV是分布式NoSQL數(shù)據(jù)庫(kù)，S2提供了面向云環(huán)境的對(duì)象存儲(chǔ)。它既有開源版，也有商業(yè)版，還有支持Spark、Redis和Solr的附件。
支持的操作系統(tǒng)：Linux和OS X。
相關(guān)鏈接： http://basho.com/riak-0-10-is-full-of-great-stuff/
37. Redis
Redis現(xiàn)在由Pivotal贊助，這是一種鍵值緩存和存儲(chǔ)系統(tǒng)。提供收費(fèi)支持。要注意：雖然該項(xiàng)目并不正式支持Windows，不過微軟在GitHub上有一個(gè)Windows派生版。
支持的操作系統(tǒng)：Linux。
相關(guān)鏈接： http://redis.io
四、商業(yè)智能
38. Talend Open Studio
Talend的下載量已超過200萬(wàn)人次，其開源軟件提供了數(shù)據(jù)整合功能。該公司還開發(fā)收費(fèi)的大數(shù)據(jù)、云、數(shù)據(jù)整合、應(yīng)用程序整合和主數(shù)據(jù)管理等工具。其用戶包括美國(guó)國(guó)際集團(tuán)（AIG）、康卡斯特、電子港灣、通用電氣、三星、Ticketmaster和韋里遜等企業(yè)組織。
支持的操作系統(tǒng)：Windows、Linux和OS X。
相關(guān)鏈接： http://www.talend.com/index.php
39. Jaspersoft
Jaspersoft 提供了靈活、可嵌入的商業(yè)智能工具，用戶包括眾多企業(yè)組織：高朋、冠群科技、美國(guó)農(nóng)業(yè)部、愛立信、時(shí)代華納有線電視、奧林匹克鋼鐵、內(nèi)斯拉斯加大學(xué)和通用 動(dòng)力公司。除了開源社區(qū)版外，它還提供收費(fèi)的報(bào)表版、亞馬遜網(wǎng)絡(luò)服務(wù)（AWS）版、專業(yè)版和企業(yè)版。
支持的操作系統(tǒng)：與操作系統(tǒng)無(wú)關(guān)。
相關(guān)鏈接： http://www.jaspersoft.com
40. Pentaho
Pentaho歸日立數(shù)據(jù)系統(tǒng)公司所有，它提供了一系列數(shù)據(jù)整合和業(yè)務(wù)分析工具。官方網(wǎng)站上提供了三個(gè)社區(qū)版；訪問Pentaho.com，即可了解收費(fèi)支持版方面的信息。
支持的操作系統(tǒng)：Windows、Linux和OS X。
相關(guān)鏈接： http://community.pentaho.com
41. SpagoBI
Spago被市場(chǎng)分析師們稱為“開源領(lǐng)袖”，它提供商業(yè)智能、中間件和質(zhì)量保證軟件，另外還提供Java EE應(yīng)用程序開發(fā)框架。該軟件百分之分免費(fèi)、開源，不過也提供收費(fèi)的支持、咨詢、培訓(xùn)及其他服務(wù)。
支持的操作系統(tǒng)：與操作系統(tǒng)無(wú)關(guān)。
相關(guān)鏈接： http://www.spagoworld.org/xwiki/bin/view/SpagoWorld/
42. KNIME
KNIME的全稱是“康斯坦茨信息挖掘工具”（Konstanz Information Miner），這是一種開源分析和報(bào)表平臺(tái)。提供了幾個(gè)商業(yè)和開源擴(kuò)展件，以增強(qiáng)其功能。
支持的操作系統(tǒng)：Windows、Linux和OS X。
相關(guān)鏈接： http://www.knime.org
43. BIRT
BIRT的全稱是“商業(yè)智能和報(bào)表工具”。它提供的一種平臺(tái)可用于制作可以嵌入到應(yīng)用程序和網(wǎng)站中的可視化元素及報(bào)表。它是Eclipse社區(qū)的一部分，得到了Actuate、IBM和Innovent Solutions的支持。
支持的操作系統(tǒng)：與操作系統(tǒng)無(wú)關(guān)。
相關(guān)鏈接： http://www.eclipse.org/birt/
五、數(shù)據(jù)挖掘
44.DataMelt
作為jHepWork的后續(xù)者，DataMelt可以處理數(shù)學(xué)運(yùn)算、數(shù)據(jù)挖掘、統(tǒng)計(jì)分析和數(shù)據(jù)可視化等任務(wù)。它支持Java及相關(guān)的編程語(yǔ)言，包括Jython、Groovy、JRuby和Beanshell。
支持的操作系統(tǒng)：與操作系統(tǒng)無(wú)關(guān)。
相關(guān)鏈接： http://jwork.org/dmelt/
45. KEEL
KEEL的全稱是“基于進(jìn)化學(xué)習(xí)的知識(shí)提取”，這是一種基于Java的機(jī)器學(xué)習(xí)工具，為一系列大數(shù)據(jù)任務(wù)提供了算法。它還有助于評(píng)估算法在處理遞歸、分類、集群、模式挖掘及類似任務(wù)時(shí)的效果。
支持的操作系統(tǒng)：與操作系統(tǒng)無(wú)關(guān)。
相關(guān)鏈接： http://keel.es
46. Orange
Orange認(rèn)為數(shù)據(jù)挖掘應(yīng)該是“碩果累累、妙趣橫生”，無(wú)論你是有多年的豐富經(jīng)驗(yàn)，還是剛開始接觸這個(gè)領(lǐng)域。它提供了可視化編程和Python腳本工具，可用于數(shù)據(jù)可視化和分析。
支持的操作系統(tǒng)：Windows、Linux和OS X。
相關(guān)鏈接： http://orange.biolab.si
47. RapidMiner
RapidMiner聲稱擁有250000多個(gè)用戶，包括貝寶、德勤、電子港灣、思科和大眾。它提供一系列廣泛的開源版和收費(fèi)版，不過要注意：免費(fèi)的開源版只支持CSV格式或Excel格式的數(shù)據(jù)。
支持的操作系統(tǒng)：與操作系統(tǒng)無(wú)關(guān)。
相關(guān)鏈接： https://rapidminer.com
48. Rattle
Rattle的全稱是“易學(xué)易用的R分析工具”。它為R編程語(yǔ)言提供了一種圖形化界面，簡(jiǎn)化了這些過程：構(gòu)建數(shù)據(jù)的統(tǒng)計(jì)或可視化摘要、構(gòu)建模型以及執(zhí)行數(shù)據(jù)轉(zhuǎn)換。
支持的操作系統(tǒng)：Windows、Linux和OS X。
相關(guān)鏈接： http://rattle.togaware.com
49. SPMF
SPMF現(xiàn)在包括93種算法，可用于順序模式挖掘、關(guān)聯(lián)規(guī)則挖掘、項(xiàng)集挖掘、順序規(guī)則挖掘和集群。它可以獨(dú)立使用，也可以整合到其他基于Java的程序中。
支持的操作系統(tǒng)：與操作系統(tǒng)無(wú)關(guān)。
相關(guān)鏈接： http://www.philippe-fournier-viger.com/spmf/
50. Weka
懷卡托知識(shí)分析環(huán)境（Weka）是一組基于Java的機(jī)器學(xué)習(xí)算法，面向數(shù)據(jù)挖掘。它可以執(zhí)行數(shù)據(jù)預(yù)處理、分類、遞歸、集群、關(guān)聯(lián)規(guī)則和可視化。
支持的操作系統(tǒng)：Windows、Linux和OS X。
相關(guān)鏈接： http://www.cs.waikato.ac.nz/~ml/weka/
六、查詢引擎
51. Drill
這 個(gè)Apache項(xiàng)目讓用戶可以使用基于SQL的查詢，查詢Hadoop、NoSQL數(shù)據(jù)庫(kù)和云存儲(chǔ)服務(wù)。它可用于數(shù)據(jù)挖掘和即席查詢，它支持一系列廣泛的 數(shù)據(jù)庫(kù)，包括HBase、MongoDB、MapR-DB、HDFS、MapR-FS、亞馬遜S3、Azure Blob Storage、谷歌云存儲(chǔ)和Swift。
支持的操作系統(tǒng)：Windows、Linux和OS X。
相關(guān)鏈接： http://drill.apache.org
七、編程語(yǔ)言
52. R
R類似S語(yǔ)言和環(huán)境，旨在處理統(tǒng)計(jì)計(jì)算和圖形。它包括一套整合的大數(shù)據(jù)工具，可用于數(shù)據(jù)處理、計(jì)算和可視化。
支持的操作系統(tǒng)：Windows、Linux和OS X。
相關(guān)鏈接： http://www.r-project.org
53. ECL
企業(yè)控制語(yǔ)言（ECL）是開發(fā)人員用來(lái)在HPCC平臺(tái)上構(gòu)建大數(shù)據(jù)應(yīng)用程序的語(yǔ)言。HPCC Systems官方網(wǎng)站上有集成開發(fā)環(huán)境（IDE）、教程以及處理該語(yǔ)言的眾多相關(guān)工具。
支持的操作系統(tǒng)：Linux。
相關(guān)鏈接： http://hpccsystems.com/download/docs/ecl-language-reference
八、大數(shù)據(jù)搜索
54. Lucene
基于Java的Lucene可以非常迅速地執(zhí)行全文搜索。據(jù)官方網(wǎng)站聲稱，它在現(xiàn)代硬件上每小時(shí)能夠檢索超過150GB的數(shù)據(jù)，它含有強(qiáng)大而高效的搜索算法。開發(fā)工作得到了Apache軟件基金會(huì)的贊助。
支持的操作系統(tǒng)：與操作系統(tǒng)無(wú)關(guān)。
相關(guān)鏈接： http://lucene.apache.org/core/
55. Solr
Solr基于Apache Lucene，是一種高度可靠、高度擴(kuò)展的企業(yè)搜索平臺(tái)。知名用戶包括eHarmony、西爾斯、StubHub、Zappos、百思買、AT&T、Instagram、Netflix、彭博社和Travelocity。
支持的操作系統(tǒng)：與操作系統(tǒng)無(wú)關(guān)。
相關(guān)鏈接： http://lucene.apache.org/solr/
九、內(nèi)存中技術(shù)
56. Ignite
這 個(gè)Apache項(xiàng)目自稱是“一種高性能、整合式、分布式的內(nèi)存中平臺(tái)，可用于對(duì)大規(guī)模數(shù)據(jù)集執(zhí)行實(shí)時(shí)計(jì)算和處理，速度比傳統(tǒng)的基于磁盤的技術(shù)或閃存技術(shù)高 出好幾個(gè)數(shù)量級(jí)。”該平臺(tái)包括數(shù)據(jù)網(wǎng)格、計(jì)算網(wǎng)格、服務(wù)網(wǎng)格、流媒體、Hadoop加速、高級(jí)集群、文件系統(tǒng)、消息傳遞、事件和數(shù)據(jù)結(jié)構(gòu)等功能。
支持的操作系統(tǒng)：與操作系統(tǒng)無(wú)關(guān)。
相關(guān)鏈接： https://ignite.incubator.apache.org
57. Terracotta
Terracotta聲稱其BigMemory技術(shù)是“世界上數(shù)一數(shù)二的內(nèi)存中數(shù)據(jù)管理平臺(tái)”，聲稱擁有210萬(wàn)開發(fā)人員，250家企業(yè)組織部署了其軟件。該公司還提供商業(yè)版軟件，另外提供支持、咨詢和培訓(xùn)等服務(wù)。
支持的操作系統(tǒng)：與操作系統(tǒng)無(wú)關(guān)。
相關(guān)鏈接： http://www.terracotta.org
58. Pivotal GemFire/Geode
今年早些時(shí)候，Pivotal宣布它將開放其大數(shù)據(jù)套件關(guān)鍵組件的源代碼，其中包括GemFire內(nèi)存中NoSQL數(shù)據(jù)庫(kù)。它已向Apache軟件基金會(huì)遞交了一項(xiàng)提案，以便在“Geode”的名下管理GemFire數(shù)據(jù)庫(kù)的核心引擎。還提供該軟件的商業(yè)版。
支持的操作系統(tǒng)：Windows和Linux。
相關(guān)鏈接： http://pivotal.io/big-data/pivotal-gemfire
59. GridGain
由Apache Ignite驅(qū)動(dòng)的GridGrain提供內(nèi)存中數(shù)據(jù)結(jié)構(gòu)，用于迅速處理大數(shù)據(jù)，還提供基于同一技術(shù)的Hadoop加速器。它既有收費(fèi)的企業(yè)版，也有免費(fèi)的社區(qū)版，后者包括免費(fèi)的基本支持。
支持的操作系統(tǒng)：Windows、Linux和OS X。
相關(guān)鏈接： http://www.gridgain.com
60. Infinispan
作為一個(gè)紅帽JBoss項(xiàng)目，基于Java的Infinispan是一種分布式內(nèi)存中數(shù)據(jù)網(wǎng)格。它可以用作緩存、用作高性能NoSQL數(shù)據(jù)庫(kù)，或者為諸多框架添加集群功能。
支持的操作系統(tǒng)：與操作系統(tǒng)無(wú)關(guān)。
相關(guān)鏈接： http://www.jboss.org/infinispan.html
轉(zhuǎn)載于:https://blog.51cto.com/wenzengliu/1683752
總結(jié)
以上是生活随笔為你收集整理的Hadoop和大数据：60款顶级开源工具的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。
