大数据处理常用技术有哪些

2024年3月17日发(作者：清单管理)

大数据处理常用技术有哪些?

storm,hba,hive,,flume,zookeeper如下

•

Apache Hadoop: 是Apache开源组织的一个分布式计算开源框架，提供了一个分

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 HBa: 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HBa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Web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 中供 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、Pig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，Pig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。

Whirr学支持Amazon EC2和Rackspace的服务。

•

Apache Bigtop: 是一个对Hadoop及其周边生态进行打包，分发和测试的工具。

•

Apache HCatalog: 是基于Hadoop的数据表和存储管理，实现中央的元数据和模

式管理，跨越Hadoop和RDBMS，利用Pig和Hive提供关系视图。

•

Cloudera Hue: 是一个基于WEB的监控和管理系统，实现对HDFS，

MapReduce/YARN, HBa, Hive, Pig的web化操作和管理。