开源搜集

类别 名称 官网 备注 查询引擎 Phoenix http://phoenix.incubator.apache.org Salesforce公司出品，Apache HBase之上的一个SQL中间层，完全使用Java编写 查询引擎 Stinger http://hortonworks.com/labs/stinger/ http://tez.incubator.apache.org/ 原叫Tez，下一代Hive,Hortonworks主导开发，运行在YARN上的DAG计算框架 查询引擎 Presto http://prestodb.io/ Facebook开源 查询引擎 Shark http://shark.cs.berkeley.edu/ Spark上的SQL执行引擎 查询引擎 Pig http://pig.apache.org/ 基于Hadoop MapReduce的脚本语言 查询引擎 Cloudera Impala http://www.cloudera.com/content/cloudera/en/products-and-services/cdh/impala.html 参照Google Dremel实现，能运行在HDFS或HBase上，使用C++开发 查询引擎 Apache Drill http://incubator.apache.org/drill/ 参照Google Dremel实现 查询引擎 Apache Tajo http://tajo.incubator.apache.org/ 一个运行在YARN上支持SQL的分布式数据仓库 查询引擎 Hive http://hive.apache.org/ 基于Hadoop MapReduce的SQL查询引擎 流式计算 Facebook Puma 实时数据流分析 流式计算 Twitter Rainbird 分布式实时统计系统，如网站的点击统计 流式计算 Yahoo S4 http://incubator.apache.org/s4/ Java开发的一个通用的、分布式的、可扩展的、分区容错的、可插拔的无主架构的流式系统 流式计算 Twitter Storm http://storm.incubator.apache.org/ 使用Java和Clojure实现 迭代计算 Hama https://hama.apache.org/ 建立在Hadoop上基于BSP（Bulk Synchronous Parallel）的计算框架，模仿了Google的Pregel。 迭代计算 Apache Giraph https://giraph.apache.org/ 建立在Hadoop上的可伸缩的分布式迭代图处理系统，灵感来自BSP（bulk synchronous parallel）和Google的Pregel 迭代计算 HaLoop https://code.google.com/p/haloop/ 迭代的MapReduce 迭代计算 Twister 迭代的MapReduce 离线计算 Hadoop MapReduce http://hadoop.apache.org/ 经典的大数据批处理系统 离线计算 Berkeley Spark http://spark.incubator.apache.org/ http://shark.cs.berkeley.edu/ 使用Scala语言实现，和MapReduce有较大的竞争关系，性能强于MapReduce 离线计算 DataTorrent http://www.datatorrent.com/ 基于Hadoop2.X构建的实时流式处理和分析平台，每秒可以处理超过10亿个实时事件 键值存储 LevelDB https://code.google.com/p/leveldb/ Google开源的高效KV编程库，注意它只是个库 键值存储 RocksDB http://rocksdb.org/ Facebook开源的，基于Google的LevelDB，但提高了扩展性可以运行在多核处理器上 键值存储 HyperDex http://hyperdex.org/ 下一代KV存储系统，支持strings、integers、floats、lists、maps和sets等丰富的数据类型 键值存储 TokyoCabinet http://fallabs.com/tokyocabinet/ 日本人Mikio Hirabayashi（平林干雄）开发的一款DBM数据库，注意它只是个库（大名鼎鼎的DBM数据库qdbm就是Mikio Hirabayashi开发的）,读写非常快 键值存储 Voldemort http://www.project-voldemort.com/voldemort/ 一个分布式键值存储系统，是Amazon Dynamo的一个开源克隆，LinkedIn开源 键值存储 Amazon Dynamo https://github.com/dynamo/dynamo 亚马逊的KV模式的存储平台，无主架构 键值存储 Tair http://tair.taobao.org/ 淘宝出品的高性能、分布式、可扩展、高可靠的KV结构存储系统，专为小文件优化，并提供简单易用的接口（类似Map），Tair支持Java和C版本的客户端 键值存储 Apache Accumulo https://accumulo.apache.org/ 可靠的、可伸缩的、高性能的排序分布式的KV存储系统，参照Google Bigtable而设计，建立在Hadoop、Thrift和Zookeeper之上。 键值存储 Redis http://redis.io/ 使用ANSI C语言编写、支持网络、可基于内存亦可持久化的日志型、单机版KV数据库。从2010年3月15日起，Redis的开发工作由VMware主持 表格存储 OceanBase http://alibaba.github.io/oceanbase/ 支持海量数据的高性能分布式数据库系统，实现了数千亿条记录、数百TB数据上的跨行跨表事务 表格存储 Amazon SimpleDB http://aws.amazon.com/cn/simpledb/ 一个可大规模伸缩、用 Erlang 编写的高可用数据存储 表格存储 Vertica http://www.vertica.com/ 惠普2011收购Vertica，Vertica是传统的关系型数据库，基于列存储，同时支持MPP，使用标准的SQL查询,可以和Hadoop/MapReduce进行集成 表格存储 Cassandra http://cassandra.apache.org/ Hadoop成员，Facebook于2008将Cassandra开源，基于O(1)DHT的完全P2P架构 表格存储 HyperTable http://hyperdex.org/ 下一代KV存储系统，支持strings、integers、floats、lists、maps和sets等丰富的数据类型 表格存储 FoundationDB https://foundationdb.com/ ACID事务处理的NoSQL数据库，提供非常好的性能、数据一致性和操作弹性 表格存储 HBase http://hbase.apache.org/ Bigtable在Hadoop中的实现，最初是Powerset公司为了处理自然语言搜索产生的海量数据而开展的项目 文件存储 CouchDB ://couchdb.apache.org/ 亚马逊的KV模式的存储平台，无主架构 文件存储 MongoDB https://www.mongodb.org/ 文档数据库 Tachyon http://tachyon-project.org/ https://github.com/amplab/tachyon 加州大学伯克利分校的AMPLab基于Hadoop的核心组件开发出一个更快的版本Tachyon，它从底层重构了Hadoop平台。 文档数据库 KFS http://code.google.com/p/kosmosfs/ GFS的C++开源版本 文档数据库 HDFS http://hadoop.apache.org/ GFS在Hadoop中的实现 资源管理 Twitter Mesos http://mesos.apache.org/ Google Borg的翻版 资源管理 Hadoop Yarn http://hadoop.apache.org/ 类似于Mesos 日志收集系统 Facebook Scribe https://github.com/facebook/scribe Facebook开源的日志收集系统，能够从各种日志源上收集日志，存储到一个中央存储系统（可以是NFS，分布式文件系统等）上，以便于进行集中统计分析处理，常与Hadoop结合使用，Scribe用于向HDFS中Push日志 日志收集系统 Cloudera Flume http://flume.apache.org/ 日志收集系统 logstash http://www.logstash.net/ 日志管理、分析和传输工具，可配合kibana、ElasticSearch组建成日志查询系统 日志收集系统 kibana http://www.elasticsearch.org/overview/kibana/ 为日志提供友好的Web查询页面 消息系统 StormMQ http://stormmq.com/ 消息系统 ZeroMQ http://zeromq.org/ 很底层的高性能网络库 消息系统 RabbitMQ https://www.rabbitmq.com/ 在AMQP基础上完整的，可复用的企业消息系统 消息系统 Apache ActiveMQ http://activemq.apache.org/ 能力强劲的开源消息总线 消息系统 kafka http://kafka.apache.org/ 开源的、高性能的、跨语言分布式消息系统，最早是由Apache孵化的Kafka（由LinkedIn捐助给Apache）克隆而来 消息系统 Apache Kafka http://kafka.apache.org/ Linkedin于2010年12月份开源的分布式消息系统，它主要用于处理活跃的流式数据，由Scala写成 分布式服务 ZooKeeper http://zookeeper.apache.org/ 分布式锁服务，PoxOS算法的实现，对应Google的Chubby RPC Apache Avro http://avro.apache.org/ Hadoop中的RPC RPC Facebook Thrift http://thrift.apache.org/ RPC，支持C++/Java/PHP等众多语言 集群管理 Nagios http://www.nagios.org/ 监视系统运行状态和网络信息的监视系统 集群管理 Ganglia http://ganglia.sourceforge.net/ UC Berkeley发起的一个开源集群监视项目，设计用于测量数以千计的节点。 集群管理 Apache Ambari http://code.google.com/p/leveldb/ Google顶级大牛开发的单机版键值数据库，具有非常高的写性能 基础设施 LevelDB http://tachyon-project.org/ https://github.com/amplab/tachyon Google顶级大牛开发的单机版键值数据库，具有非常高的写性能 基础设施 SSTable 源于Google，orted String Table 基础设施 RecordIO 源于Google 基础设施 Flat Buffers https://github.com/google/flatbuffers 针对游戏开发的，高效的跨平台序列化库，相比Proto Buffers开销更小，因为Flat Buffers没有解析过程 基础设施 Protocol Buffers http://code.google.com/p/protobuf/ Google公司开发的一种数据描述语言，类似于XML能够将结构化数据序列化，可用于数据存储、通信协议等方面。它不依赖于语言和平台并且可扩展性极强。 基础设施 Consistent Hashing 1997年由麻省理工学院提出,目标是为了解决因特网中的热点（Hot spot）问题，初衷和CARP十分类似，基本解决了在P2P环境中最为关键的问题——如何在动态的网络拓扑中分布存储和路由。 基础设施 Netty http://netty.io/ JBOSS提供的一个java开源框架，提供异步的、事件驱动的网络应用程序框架，用以快速开发高性能、高可靠性的网络服务器和客户端程序。 基础设施 BloomFilter 布隆过滤器，1970年由布隆提出，是一个很长的二进制矢量和一系列随机映射函数，可以用于检索一个元素是否在一个集合中，优点是空间效率和查询时间都远远超过一般的算法，缺点是有一定的误识别率和删除困难。 搜索引擎 Nutch https://nutch.apache.org/ 开源Java 实现的搜索引擎，诞生Hadoop的地方。 搜索引擎 Lucene http://lucene.apache.org/ 一套信息检索工具包，但并不包含搜索引擎系统，它包含了索引结构、读写索引工具、相关性工具、排序等功能。 搜索引擎 SolrCloud 基于Solr和Zookeeper的分布式搜索， Solr4.0 的核心组件之一，主要思想是使用 Zookeeper 作为集群的配置信息中心 搜索引擎 Solr https://lucene.apache.org/solr/ Solr是基于Lucene的搜索。 搜索引擎 Sphinx http://sphinxsearch.com 一个基于SQL的全文检索引擎，可结合MySQL、PostgreSQL做全文检索，可提供比数据库本身更专业的搜索功能，单一索引可达1亿条记录，1000万条记录情况下的查询速度为0.x秒（毫秒级）。 搜索引擎 SenseiDB http://senseidb.com Linkin公司开发的一个开源分布式实时半结构化数据库，在全文索引的基础封装了Browse Query Language (BQL，类似SQL)的查询语法。 数据挖掘 Mahout http://mahout.apache.org/ Hadoop成员，目标是建立一个可扩展的机器学习库 Iaas OpenStack https://www.openstack.org/ 美国国家航空航天局和Rackspace合作研发的，以Apache许可证授权云平台管理的项目，它不是一个软件。这个项目由几个主要的组件组合起来完成一些具体的工作，旨在为公共及私有云的建设与管理提供软件的开源项目。6个核心项目：Nova（计算，Compute），Swift（对象存储，Object），Glance（镜像，Image），Keystone（身份，Identity），Horizon（自助门户，Dashboard），Quantum & Melange（网络&地址管理），另外还有若干社区项目，如Rackspace（负载均衡）、Rackspace（关系型数据库）。 Iaas Docker http://www.docker.io/ 应用容器引擎，让开发者可打包应用及依赖包到一个可移植的容器中，然后发布到Linux机器上，也可实现虚拟化。 Iaas Kubernetes https://github.com/GoogleCloudPlatform/kubernetes/ Google开源的容器集群管理系统 Iaas Imctfy https://github.com/google/Imctfy/ Google开源的Linux容器 监控管理 Dapper http://bigbully.github.io/Dapper-translation/ Google生产环境下的大规模分布式系统的跟踪系统 监控管理 Zipkin http://twitter.github.io/zipkin/ https://github.com/twitter/zipkin/ Twitter开源的参考Google Dapper而开发，使用Apache Cassandra做为数据存储系统