大数据处理常用技术有哪些.pdfVIP

大数据处理常用技术有哪些? storm,hbase,hive,sqoop.spark,flume,zookeeper 如下  Apache Hadoop: 是Apache 开源组织的一个分布式计算开源框架，提 了一个分布式文件系统子项目(HDFS)和支持MapReduce 分布式计算的软 件架构。  Apache Hive: 是基于Hadoop 的一个数据仓库工具，可以将结构化的数据 文件映射为一张数据库表，通过类SQL 语句快速实现简单的MapReduce 统计，不必开发专门的MapReduce 应用，十分适合数据仓库的统计分析。  Apache Pig: 是一个基于Hadoop 的大规模数据分析工具，它提供的 SQL-LIKE 语言叫Pig Latin，该语言的编译器会把类SQL 的数据分析请求 转换为一系列经过优化处理的MapReduce 运算。  Apache HBase: 是一个高可靠性、高性能、面向列、可伸缩的分布式存储 系统，利用HBase 技术可在廉价PC Server 上搭建起大规模结构化存储集 群。  Apache Sqoop: 是一个用来将Hadoop和关系型数据库中的数据相互转移 的工具，可以将一个关系型数据库（MySQL ,Oracle ,Postgres 等）中的数 据导进到Hadoop 的HDFS 中，也可以将HDFS 的数据导进到关系型数据 库中。  Apache Zookeeper: 是一个为分布式应用所设计的分布的、开源的协调服 务，它主要是用来解决分布式应用中经常遇到的一些数据管理问题，简化 分布式应用协调及其管理的难度，提供高性能的分布式服务  Apache Mahout:是基于Hadoop 的机器学习和数据挖掘的一个分布式框 架。Mahout 用MapReduce 实现了部分数据挖掘算法，解决了并行挖掘的 问题。  Apache Cassandra:是一套开源分布式NoSQL 数据库系统。它最初由 Facebook 开发，用于储存简单格式数据，集Google BigTable 的数据模型 与Amazon Dynamo 的完全分布式的架构于一身  Apache Avro: 是一个数据序列化系统，设计用于支持数据密集型，大批 量数据交换的应用。Avro 是新的数据序列化格式与传输工具，将逐步取 代Hadoop 原有的IPC 机制  Apache Ambari: 是一种基于We 的工具，支持Hadoop 集群的供应、管 理和监控。  Apache Chukwa: 是一个开源的用于监控大型分布式系统的数据收集系 统，它可以将各种各样类型的数据收集成适合 Hadoop 处理的文件保存 在 HDFS 中 Hadoop 进行各种 MapReduce 操作。  Apache Hama: 是一个基于HDFS 的BSP （Bulk Synchronous Parallel)并 行计算框架, Hama 可用于包括图、矩阵和网络算法在内的大规模、大数 据计算。  Apache Flume: 是一个分布的、可靠的、高可用的海量日志聚合的系统， 可用于日志数据收集，日志数据处理，日志数据传输。  Apache Giraph: 是一个可伸缩的分布式迭代图处理系统， 基于Hadoop 平台，灵感来自 BSP (bulk synchronous parallel) 和 Google 的 Pregel。  Apache Oozie: 是一个工作流引擎服务器, 用于管理和协调运行在 Hadoop 平台上（HDFS、Pi 和MapReduce）的任务。  Apache Crunch: 是基于Google 的FlumeJava 库编写的Java 库，用于创 建MapReduce 程序。与Hive，Pi 类似，Crunch 提供了用于实现如连接 数据、执行聚合和排序记录等常见任务的模式库  Apache Whirr: 是一套运行于云服务的类库（包括Hadoop），可提供高 度的互补性。Whir