Java程序员使用的20几个大数据工具
发表于2016-02-04
最近我问了很多Java开发人员关于最近12个月内他们使用的是什么大数据工具。这是一个系列，主题为：
· 语言
· web框架
· 应用服务器
· SQL数据访问工具
· SQL数据库
· 大数据
· 构建工具
· 云提供商
今天我们就要说说大数据。根据维基百科，大数据是数据集的一个广义的术语，并且该数据集是如此庞大和复杂，以致于传统的数据处理应用程序无法胜任。
在许多情况下，使用SQL数据库用于存储/检索数据就足够了。但在另一些情况下，要么SQL数据库规模不够，要么还有更好的工具。这一切都取决于使用情况。
现在让我们来讨论一下存储/处理数据用的不同的非SQL工具——NoSQL数据库，内存缓存，全文搜索引擎，实时流，图形数据库，等等。
MongoDB—— 一种流行的，跨平台的面向文档的数据库。
Elasticsearch——专为云而构建的分布式REST风格搜索引擎。
Cassandra——一个开源的分布式数据库管理系统，最初由Facebook开发，被设计用来处理横跨多个商用服务器的大量数据，提供了无单点故障的高度可用性。
Redis—— 一个开源的（BSD许可），内存数据结构存储，作为数据库、缓存和消息代理使用。
Hazelcast——基于Java的开源内存数据网格。
EHCache——一种被广泛使用的开源Java分布式缓存，用于通用缓存、Java EE和轻量级容器。Ehcache相关介绍
Spark——Apache Software Foundation中最活跃的项目，一个开源的集群计算框架。
Memcached—— 一个通用的分布式内存缓存系统。
Apache Hive——提供了Hadoop之上类似于SQL的层。
Apache Kafka—— 一个高通量、分布式的发布-订阅式消息系统，最初开发在LinkedIn上。Windows上脱离Cygwin运行Apache Kafka
Akka—— 一个工具包和运行时，用于在JVM上构建高度并行的、分布式的、有弹性的消息驱动的应用程序。
HBase—— 一个开源的，非关系型的，分布式数据库，在谷歌的BigTable后建模，用Java编写，并运行在HDFS上。
Neo4j——用Java实现的开源图形数据库。
CouchBase——一个开源的、面向文档的分布式NoSQL数据库，特别为了交互式应用而优化。
Apache Storm——开源的分布式实时计算系统。
CouchDB——使用JSON来存储数据的面向文档的开源NoSQL数据库。
Oracle Coherence—— 一个内存的数据网格解决方案，通过提供快速访问常用数据的渠道，使得企业可预测地扩展关键任务应用程序。
Titan—— 一个可扩展的图形数据库，优化的目的在于存储和查询包含数千亿顶点和边的图形，分布在多机集群。
Amazon DynamoDB——一个快速、灵活、完全管理的NoSQL数据库服务，用于在任何规模需要一致的、个位数毫秒延迟的所有应用程序。
Amazon Kinesis—— 用于在AWS上的流数据的实时平台。
Datomic—— 一个用Clojure写的完全事务式的，支持云的，分布式数据库。