史上最全的“大数据”学习资源(下)

社区广播:运维派(Yunweipai.com)是国内最早成立的IT运维社区,欢迎大家投稿,让运维人不再孤寂的成长!

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

安全性

系统部署

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

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

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。

文章推荐

 

论文

2015 – 2016

  •   2015 – Facebook – One Trillion Edges: Graph Processing at Facebook-Scale.(一兆边:Facebook规模的图像处理)

2013 – 2014

  •   2014 – Stanford – Mining of Massive Datasets.(海量数据集挖掘)
  •   2013 – AMPLab – Presto: Distributed Machine Learning and Graph Processing with Sparse Matrices. (Presto: 稀疏矩阵的分布式机器学习和图像处理)
  •   2013 – AMPLab – MLbase: A Distributed Machine-learning System. (MLbase:分布式机器学习系统)
  •   2013 – AMPLab – Shark: SQL and Rich Analytics at Scale. (Shark: 大规模的SQL 和丰富的分析)
  •   2013 – AMPLab –  GraphX: A Resilient Distributed Graph System on Spark. (GraphX:基于Spark的弹性分布式图计算系统)
  •   2013 – 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)
  •   2013 – Microsoft – Scalable Progressive Analytics on Big Data in the Cloud.(云端大数据的可扩展性渐进分析)
  •   2013 – Metamarkets – Druid: A Real-time Analytical Data Store. (Druid:实时分析数据存储)
  •   2013 – Google – Online, Asynchronous Schema Change in F1.(F1中在线、异步模式的转变)
  •   2013 – Google – F1: A Distributed SQL Database That Scales. (F1: 分布式SQL数据库)
  •   2013 – Google – MillWheel: Fault-Tolerant Stream Processing at Internet Scale.(MillWheel: 互联网规模下的容错流处理)
  •   2013 – Facebook – Scuba: Diving into Data at Facebook. (Scuba: 深入Facebook的数据世界)
  •   2013 – Facebook – Unicorn: A System for Searching the Social Graph. (Unicorn: 一种搜索社交图的系统)
  •   2013 – Facebook – Scaling Memcache at Facebook. (Facebook 对 Memcache 伸缩性的增强)

2011 – 2012

  •   2012 – Twitter – The Unified Logging Infrastructure for Data Analytics at Twitter. (Twitter数据分析的统一日志基础结构)
  •   2012 – 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)
  •   2012 – AMPLab –Fast and Interactive Analytics over Hadoop Data with Spark. (Spark上 Hadoop数据的快速交互式分析)
  •   2012 – AMPLab –Shark: Fast Data Analysis Using Coarse-grained Distributed Memory. (Shark:使用粗粒度的分布式内存快速数据分析)
  •   2012 – 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)
  •   2012 – Microsoft –Paxos Made Parallel. (Paxos算法实现并行)
  •   2012 – 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间的查询)
  •   2012 – Google –Processing a trillion cells per mouse click.(每次点击处理一兆个单元格)
  •   2012 – Google –Spanner: Google’s Globally-Distributed Database.(Spanner:谷歌的全球分布式数据库)
  •   2011 – AMPLab –Scarlett: Coping with Skewed Popularity Content in MapReduce Clusters.(Scarlett:应对MapReduce集群中的偏向性内容)
  •   2011 – 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)
  •   2011 – Google –Megastore: Providing Scalable, Highly Available Storage for Interactive Services.(Megastore:为交互式服务提供可扩展,高度可用的存储)

2001 – 2010

  •   2010 – Facebook – Finding a needle in Haystack: Facebook’s photo storage.(探究Haystack中的细微之处: Facebook图片存储)
  •   2010 – AMPLab – Spark: Cluster Computing with Working Sets.(Spark:工作组上的集群计算)
  •   2010 – Google – Storage Architecture and Challenges.(存储架构与挑战)
  •   2010 – Google – Pregel: A System for Large-Scale Graph Processing.(Pregel: 一种大型图形处理系统)
  •   2010 – Google – Large-scale Incremental Processing Using Distributed Transactions and Notifications base of Percolator and Caffeine.(使用基于Percolator 和 Caffeine平台分布式事务和通知的大规模增量处理)
  •   2010 – Google – Dremel: Interactive Analysis of Web-Scale Datasets.(Dremel: Web规模数据集的交互分析)
  •   2010 – Yahoo – S4: Distributed Stream Computing Platform.(S4:分布式流计算平台)
  •   2009 – 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)
  •   2008 – 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.(面向松散耦合的分布式系统的锁服务)
  •   2006 – Google – Bigtable: A Distributed Storage System for Structured Data.(Bigtable: 结构化数据的分布式存储系统)
  •   2004 – Google – MapReduce: Simplied Data Processing on Large Clusters.(MapReduce: 大型集群上简化数据处理)
  •   2003 – Google – The Google File System.(谷歌文件系统)

视频

数据可视化

网友评论comments

发表评论

电子邮件地址不会被公开。 必填项已用*标注

暂无评论

Copyright © 2012-2017 YUNWEIPAI.COM - 运维派 - 粤ICP备14090526号-3
扫二维码
扫二维码
返回顶部