【推荐】非常棒的大数据学习资源

今天为大家推荐一些翻译整理的大数据相关的非常棒的学习资源,希望能给大家一些帮助。

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

Apache Aurora:在Apache Mesos之上运行的服务调度程序;

Apache Falcon:数据管理框架;

Apache Oozie:工作流作业调度程序;

Chronos:分布式容错调度;

Linkedin Azkaban:批处理工作流作业调度;

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

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。

安全性

Apache Knox Gateway:Hadoop集群安全访问的单点;

Apache Sentry:存储在Hadoop的数据安全模块。

系统部署

Apache Ambari:Hadoop管理的运作框架;

Apache Bigtop:Hadoop生态系统的部署框架;

Apache Helix:集群管理框架;

Apache Mesos:集群管理器;

Apache Slider:一种YARN应用,用来部署YARN中现有的分布式应用程序;

Apache Whirr:运行云服务的库集;

Apache YARN:集群管理器;

Brooklyn:用于简化应用程序部署和管理的库;

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:用于长期运行服务的Mesos框架。

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

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;

Enigma.io:为免费增值的健壮性web应用,用于探索、筛选、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:连续索引系统;

Google Percolator:连续索引系统;

TeraGoogle:大型搜索索引;

HBase Coprocessor:为Percolator的实现,HBase的一部分;

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发展;

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

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。

本文分享自微信公众号 - 机器人网(robot_globalsources)

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2018-01-17

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏PPV课数据科学社区

多图技术贴 | 深入浅出解析大数据平台架构

参加活动赢取话费和一个月免费会员 点击底部阅读原文,参加PPV课玩转可视化图表,赢取话费和PPV课一个月免费会员,精品课程免费看! 目录: 什么是大数据 Had...

41140
来自专栏SDNLAB

网络功能虚拟化系列:NFV的开源软件包

本文系SDNLAB社区译者计划发布文章,SDNLAB将与国外优质媒体和个人进行长期的内容合作,带来更多的优质技术文章,本文是<<网络功能虚拟化:新兴的虚拟化网...

40780
来自专栏葡萄城控件技术团队

超越Web,Javascript在物联网的应用

引子 Patrick Catanzariti 是一名Web开发工程师,最近他在 sitepoint 发表了《JavaScript Beyond the Web ...

47060
来自专栏一个会写诗的程序员的博客

20+个很棒的Android开源项目

20+个很棒的Android开源项目 本文摘自文章: 20+ Awesome Open-Source Android Apps To Boost Your D...

16820
来自专栏星汉技术

计算机基础(一)

27070
来自专栏SAP最佳业务实践

精益生产之Andon(暗灯)系统

什么是Andon系统? ANDON系统是快速帮助操作人员的一种信号系统。ANDON系统利用视觉和声音的传播 ,让操作人员、班组长、维护人员和管理者之间快速联络和...

42760
来自专栏PHP在线

初学者玩好Linux的建议

我把之前的一些学习经验和方法跟大家分享下,希望对大家有所帮助: 一、玩好Linux一定要经常折腾,说白了,就是动手能力一定要强。 我初学Linux那...

47460
来自专栏IT技术精选文摘

《王者荣耀》2亿用户量的背后:产品定位、技术架构、网络方案等

70470
来自专栏轮子工厂

Linux系统的前世今生

上世纪六十年代,人们还在用批处理计算机,也就是一次性给一批任务到计算机,然后等待结果,中途不能和计算机进行交互,而且准备作业需要耗费大量时间。于是1965年,贝...

14220
来自专栏大数据文摘

后Hadoop时代的大数据架构

26950

扫码关注云+社区

领取腾讯云代金券