最全的大数据学习资料整理.docxVIP

最全的大数据学习资料整理互联网的发展已经有影响了整个世界的进程，从互联网的诞生到现在的互联网时代的成熟，整个互联网正在从IT时代转向DT时代。随着前几年大数据概念的提出。当前的大数据一词不仅在于数据规模的定义，更代表着信息技术的发展进入一个全新的时代。对于刚刚接触大数据的人群来说，可能还不知道学习大数据应该从哪些方面入手，柠檬学院特此翻译了一些资源，供对大数据感兴趣或者想进入大数据行业的人参考学习。更多关于大数据的学习请到柠檬学院，注册就可在线听课学习。内容有点多，请耐心看完或者收藏。资源列表：　关系数据库管理系统(RDBMS)　框架　分布式编程　分布式文件系统　文件数据模型　Key -Map 数据模型　键-值数据模型　图形数据模型　NewSQL数据库　列式数据库　时间序列数据库　类SQL处理　数据摄取　服务编程　调度　机器学习　基准测试　安全性　系统部署　应用程序　搜索引擎与框架　MySQL的分支和演化　PostgreSQL的分支和演化　Memcached的分支和演化　嵌入式数据库　商业智能　数据可视化　物联网和传感器　文章　论文　视频　关系数据库管理系统(RDBMS)　MySQL：世界最流行的开源数据库;　PostgreSQL：世界最先进的开源数据库;　Oracle 数据库：对象-关系型数据库管理系统。　框架　Apache Hadoop：分布式处理架构，结合了 MapReduce(并行处理)、YARN(作业调度)和HDFS(分布式文件系统);　Tigon：高吞吐量实时流处理框架。　　分布式编程　AddThis Hydra ：最初在AddThis上开发的分布式数据处理和存储系统;　AMPLab SIMR：用在Hadoop MapReduce v1上运行Spark;　Apache Beam：为统一的模型以及一套用于定义和执行数据处理工作流的特定SDK语言;　Apache Crunch：一个简单的Java API，用于执行在普通的MapReduce实现时比较单调的连接、数据聚合等任务;　Apache DataFu：由LinkedIn开发的针对Hadoop and 和Pig的用户定义的函数集合;　Apache Flink：具有高性能的执行时间和自动程序优化;　Apache Gora：内存中的数据模型和持久性框架;　Apache Hama：BSP(整体同步并行)计算框架;　Apache MapReduce ：在集群上使用并行、分布式算法处理大数据集的编程模型;　Apache Pig ：Hadoop中，用于处理数据分析程序的高级查询语言;　Apache REEF ：用来简化和统一低层大数据系统的保留性评估执行框架;　Apache S4 ：S4中流处理与实现的框架;　Apache Spark ：内存集群计算框架;　Apache Spark Streaming ：流处理框架，同时是Spark的一部分;　Apache Storm ：Twitter流处理框架，也可用于YARN;　Apache Samza ：基于Kafka和YARN的流处理框架;　Apache Tez ：基于YARN，用于执行任务中的复杂DAG(有向无环图);　Apache Twill ：基于YARN的抽象概念，用于减少开发分布式应用程序的复杂度;　Cascalog：数据处理和查询库;　Cheetah ：在MapReduce之上的高性能、自定义数据仓库;　Concurrent Cascading ：在Hadoop上的数据管理/分析框架;　Damballa Parkour ：用于Clojure的MapReduce库;　Datasalt Pangool ：可选择的MapReduce范例;　DataTorrent StrAM ：为实时引擎，用于以尽可能畅通的方式、最小的开支和对性能最小的影响，实现分布式、异步、实时的内存大数据计算;　Facebook Corona ：为Hadoop做优化处理，从而消除单点故障;　Facebook Peregrine ：MapReduce框架;　Facebook Scuba ：分布式内存数据存储;　Google Dataflow ：创建数据管道，以帮助其分析框架;　Netflix PigPen ：为MapReduce，用于编译成Apache Pig;　Nokia Disco ：由Nokia开发的MapReduc获取、转换和分析数据;　Google MapReduce ：MapReduce框架;　Google MillWheel ：容错流处理框架;　JAQL ：用于处理结构化、半结构化和非结构化数据工作的声明性编程语言;　Kite ：为一组库、工具、实例和文档集，用于使在Hadoop的生态系统上建立系统更加容易;　Metamarkets Druid