比較全的大數據技術組件整理以及相關理論論文整理

框架

• Apache Hadoop：分布式處理架構，結合了 MapReduce(並行處理)、YARN(作業調度)和HDFS(分布式文件系統);
• Tigon：高吞吐量實時流處理框架。

分布式編程

• AddThis Hydra ：最初在AddThis上開發的分布式數據處理和存儲系統;
• AMPLab SIMR：用在Hadoop MapReduce v1上運行Spark;
• Apache Beam：為統一的模型以及一套用於定義和執行數據處理工作流的特定SDK語言;
• Apache Crunch：一個簡單的Java API，用於執行在普通的MapReduce實現時比較單調的連接、數據聚合等任務;
• Apache DataFu：由LinkedIn開發的針對Hadoop and 和Pig的用戶定義的函數集合;
• Apache Flink：具有高性能的執行時間和自動程序優化;
• Apache Gora：內存中的數據模型和持久性框架;
• Apache Hama：BSP(整體同步並行)計算框架;
• Apache MapReduce ：在集群上使用並行、分布式算法處理大數據集的編程模型;
• Apache Pig ：Hadoop中，用於處理數據分析程序的高級查詢語言;
• Apache REEF ：用來簡化和統一低層大數據系統的保留性評估執行框架;
• Apache S4 ：S4中流處理與實現的框架;
• Apache Spark ：內存集群計算框架;
• Apache Spark Streaming ：流處理框架，同時是Spark的一部分;
• Apache Storm ：Twitter流處理框架，也可用於YARN;
• Apache Samza ：基於Kafka和YARN的流處理框架;
• Apache Tez ：基於YARN，用於執行任務中的復雜DAG(有向無環圖);
• Apache Twill ：基於YARN的抽象概念，用於減少開發分布式應用程序的復雜度;
• Cascalog：數據處理和查詢庫;
• Cheetah ：在MapReduce之上的高性能、自定義數據倉庫;
• Concurrent Cascading ：在Hadoop上的數據管理/分析框架;
• Damballa Parkour ：用於Clojure的MapReduce庫;
• Datasalt Pangool ：可選擇的MapReduce范例;
• DataTorrent StrAM ：為實時引擎，用於以盡可能暢通的方式、最小的開支和對性能最小的影響，實現分布式、異步、實時的內存大數據計算;
• Facebook Corona ：為Hadoop做優化處理，從而消除單點故障;
• Facebook Peregrine ：MapReduce框架;
• Facebook Scuba ：分布式內存數據存儲;
• Google Dataflow ：創建數據管道，以幫助其分析框架;
• Netflix PigPen ：為MapReduce，用於編譯成Apache Pig;
• Nokia Disco ：由Nokia開發的MapReduc獲取、轉換和分析數據;
• Google MapReduce ：MapReduce框架;
• Google MillWheel ：容錯流處理框架;
• JAQL ：用於處理結構化、半結構化和非結構化數據工作的聲明性編程語言;
• Kite ：為一組庫、工具、實例和文檔集，用於使在Hadoop的生態系統上建立系統更加容易;
• Metamarkets Druid ：用於大數據集的實時e框架;
• Onyx ：分布式雲計算;
• Pinterest Pinlater ：異步任務執行系統;
• Pydoop ：用於Hadoop的Python MapReduce和HDFS API;
• Rackerlabs Blueflood ：多租戶分布式測度處理系統;
• Stratosphere ：通用集群計算框架;
• Streamdrill ：用於計算基於不同時間窗口的事件流的活動，並找到最活躍的一個;
• Tuktu ：易於使用的用於分批處理和流計算的平台，通過Scala、 Akka和Play所建;
• Twitter Scalding：基於Cascading，用於Map Reduce工作的Scala庫;
• Twitter Summingbird ：在Twitter上使用Scalding和Storm串流MapReduce;
• Twitter TSAR ：Twitter上的時間序列聚合器。

分布式文件系統

• Apache HDFS：在多台機器上存儲大型文件的方式;
• BeeGFS：以前是FhGFS，並行分布式文件系統;
• Ceph Filesystem：設計的軟件存儲平台;
• Disco DDFS：分布式文件系統;
• Facebook Haystack：對象存儲系統;
• Google Colossus：分布式文件系統(GFS2);
• Google GFS：分布式文件系統;
• Google Megastore：可擴展的、高度可用的存儲;
• GridGain：兼容GGFS、Hadoop內存的文件系統;
• Lustre file system：高性能分布式文件系統;
• Quantcast File System QFS：開源分布式文件系統;
• Red Hat GlusterFS：向外擴展的附網存儲(Network-attached Storage)文件系統;
• Seaweed-FS：簡單的、高度可擴展的分布式文件系統;
• Alluxio：以可靠的存儲速率在跨集群框架上文件共享;
• Tahoe-LAFS：分布式雲存儲系統;

文件數據模型

• Actian Versant：商用的面向對象數據庫管理系統;
• Crate Data：是一個開源的大規模可擴展的數據存儲，需要零管理模式;
• Facebook Apollo：Facebook的Paxos算法，類似於NoSQL數據庫;
• jumboDB：基於Hadoop的面向文檔的數據存儲;
• LinkedIn Espresso：可橫向擴展的面向文檔的NoSQL數據存儲;
• MarkLogic：模式不可知的企業版NoSQL數據庫技術;
• MongoDB：面向文檔的數據庫系統;
• RavenDB：一個事務性的，開源文檔數據庫;
• RethinkDB：支持連接查詢和群組依據等查詢的文檔型數據庫。
• Key Map 數據模型

注意：業界存在一些術語混亂，有兩個不同的東西都叫做“列式數據庫”。這里列出的有一些是圍繞“key-map”數據模型而建的分布式、持續型數據庫，其中所有的數據都有(可能綜合了)鍵，並與映射中的鍵-值對相關聯。在一些系統中，多個這樣的值映射可以與鍵相關聯，並且這些映射被稱為“列族”(具有映射值的鍵被稱為“列”)。

另一組也可稱為“列式數據庫”的技術因其存儲數據的方式而有別於前一組，它在磁盤上或在存儲器中——而不是以傳統方式，即所有既定鍵的鍵值都相鄰着、逐行存儲。這些系統也彼此相鄰來存儲所有列值，但是要得到給定列的所有值卻不需要以前那么繁復的工作。

前一組在這里被稱為“key map數據模型”，這兩者和Key-value 數據模型之間的界限是相當模糊的。后者對數據模型有更多的存儲格式，可在列式數據庫中列出。若想了解更多關於這兩種模型的區分，可閱讀Daniel Abadi的博客：Distinguishing two major types of Column Stores。

• Apache Accumulo：內置在Hadoop上的分布式鍵/值存儲;
• Apache Cassandra：由BigTable授權，面向列的分布式數據存儲;
• Apache HBase：由BigTable授權，面向列的分布式數據存儲;
• Facebook HydraBase：Facebook所開發的HBase的衍化品;
• Google BigTable：面向列的分布式數據存儲;
• Google Cloud Datastore：為完全管理型的無模式數據庫，用於存儲在BigTable上非關系型數據;
• Hypertable：由BigTable授權，面向列的分布式數據存儲;
• InfiniDB：通過MySQL的接口訪問，並使用大規模並行處理進行並行查詢;
• Tephra：用於HBase處理;
• Twitter Manhattan：Twitter的實時、多租戶分布式數據庫。

鍵-值數據模型

• Aerospike：支持NoSQL的閃存優化，數據存儲在內存。開源，“‘C’(不是Java或Erlang)中的服務器代碼可精確地調整從而避免上下文切換和內存拷貝”。
• Amazon DynamoDB：分布式鍵/值存儲，Dynamo論文的實現;
• Edis：為替代Redis的協議兼容的服務器;
• ElephantDB：專門研究Hadoop中數據導出的分布式數據庫;
• EventStore：分布式時間序列數據庫;
• GridDB：適用於存儲在時間序列中的傳感器數據;
• LinkedIn Krati：簡單的持久性數據存儲，擁有低延遲和高吞吐量;
• Linkedin Voldemort：分布式鍵/值存儲系統;
• Oracle NoSQL Database：Oracle公司開發的分布式鍵值數據庫;
• Redis：內存中的鍵值數據存儲;
• Riak：分散式數據存儲;
• Storehaus：Twitter開發的異步鍵值存儲的庫;
• Tarantool：一個高效的NoSQL數據庫和Lua應用服務器;
• TiKV：由Google Spanner和HBase授權，Rust提供技術支持的分布式鍵值數據庫;
• TreodeDB：可復制、共享的鍵-值存儲，能提供多行原子寫入。

圖形數據模型

• Apache Giraph：基於Hadoop的Pregel實現;
• Apache Spark Bagel：可實現Pregel，為Spark的一部分;
• ArangoDB：多層模型分布式數據庫;
• DGraph：一個可擴展的、分布式、低時延、高吞吐量的圖形數據庫，旨在為Google生產水平規模和吞吐量提供足夠的低延遲，用於TB級的結構化數據的實時用戶查詢;
• Facebook TAO：TAO是facebook廣泛用來存儲和服務於社交圖形的分布式數據存儲;
• GCHQ Gaffer：GCHQ中的Gaffer是一個易於存儲大規模圖形的框架，其中節點和邊緣都有統計數據;
• Google Cayley：開源圖形數據庫;
• Google Pregel ：圖形處理框架;
• GraphLab PowerGraph：核心C ++ GraphLab API和建立在GraphLab API之上的高性能機器學習和數據挖掘工具包的集合;
• GraphX：Spark中的彈性分布式圖形系統;
• Gremlin：圖形追蹤語言;
• Infovore：以RDF為中心的Map / Reduce框架;
• Intel GraphBuilder：在Hadoop上構建大規模圖形的工具;
• MapGraph：用於在GPU上大規模並行圖形處理;
• Neo4j：完全用Java寫入的圖形數據庫;
• OrientDB：文檔和圖形數據庫;
• Phoebus：大型圖形處理框架;
• Titan：建於Cassandra的分布式圖形數據庫;
• Twitter FlockDB：分布式圖形數據庫。

NewSQL數據庫

• Actian Ingres：由商業支持，開源的SQL關系數據庫管理系統;
• Amazon RedShift：基於PostgreSQL的數據倉庫服務;
• BayesDB：面向統計數值的SQL數據庫;
• CitusDB：通過分區和復制橫向擴展PostgreSQL;
• Cockroach：可擴展、地址可復制、交易型的數據庫;
• Datomic：旨在產生可擴展、靈活的智能應用的分布式數據庫;
• FoundationDB：由F1授意的分布式數據庫;
• Google F1：建立在Spanner上的分布式SQL數據庫;
• Google Spanner：全球性的分布式半關系型數據庫;
• H-Store：是一個實驗性主存並行數據庫管理系統，用於聯機事務處理(OLTP)應用的優化;
• Haeinsa：基於Percolator，HBase的線性可擴展多行多表交易庫;
• HandlerSocket：MySQL/MariaDB的NoSQL插件;
• InfiniSQL：無限可擴展的RDBMS;
• MemSQL：內存中的SQL數據庫，其中有優化的閃存列存儲;
• NuoDB：SQL / ACID兼容的分布式數據庫;
• Oracle TimesTen in-Memory Database：內存中具有持久性和可恢復性的關系型數據庫管理系統;
• Pivotal GemFire XD：內存中低延時的分布式SQL數據存儲，可為內存列表數據提供SQL接口，在HDFS中較持久化;
• SAP HANA：是在內存中面向列的關系型數據庫管理系統;
• SenseiDB：分布式實時半結構化的數據庫;
• Sky：用於行為數據的靈活、高性能分析的數據庫;
• SymmetricDS：用於文件和數據庫同步的開源軟件;
• Map-D：為GPU內存數據庫，也為大數據分析和可視化平台;
• TiDB：TiDB是分布式SQL數據庫，基於谷歌F1的設計靈感;
• VoltDB：自稱為最快的內存數據庫。

列式數據庫

• Columnar Storage：解釋什么是列存儲以及何時會需要用到它;
• Actian Vector：面向列的分析型數據庫;
• C-Store：面向列的DBMS;
• MonetDB：列存儲數據庫;
• Parquet：Hadoop的列存儲格式;
• Pivotal Greenplum：專門設計的、專用的分析數據倉庫，類似於傳統的基於行的工具，提供了一個列式工具;
• Vertica：用來管理大規模、快速增長的大量數據，當用於數據倉庫時，能夠提供非常快的查詢性能;
• Google BigQuery ：谷歌的雲產品，由其在Dremel的創始工作提供支持;
• Amazon Redshift ：亞馬遜的雲產品，它也是基於柱狀數據存儲后端。

時間序列數據庫

• Cube：使用MongoDB來存儲時間序列數據;
• Axibase Time Series Database：在HBase之上的分布式時間序列數據庫，它包括內置的Rule Engine、數據預測和可視化;
• Heroic：基於Cassandra和Elasticsearch的可擴展的時間序列數據庫;
• InfluxDB：分布式時間序列數據庫;
• Kairosdb：類似於OpenTSDB但會考慮到Cassandra;
• OpenTSDB：在HBase上的分布式時間序列數據庫;
• Prometheus：一種時間序列數據庫和服務監測系統;
• Newts：一種基於Apache Cassandra的時間序列數據庫。

類SQL處理

• Actian SQL for Hadoop：高性能交互式的SQL，可訪問所有的Hadoop數據;
• Apache Drill：由Dremel授意的交互式分析框架;
• Apache HCatalog：Hadoop的表格和存儲管理層;
• Apache Hive：Hadoop的類SQL數據倉庫系統;
• Apache Optiq：一種框架，可允許高效的查詢翻譯，其中包括異構性及聯合性數據的查詢;
• Apache Phoenix：Apache Phoenix 是 HBase 的 SQL 驅動;
• Cloudera Impala：由Dremel授意的交互式分析框架;
• Concurrent Lingual：Cascading中的類SQL查詢語言;
• Datasalt Splout SQL：用於大數據集的完整的SQL查詢工具;
• Facebook PrestoDB：分布式SQL查詢工具;
• Google BigQuery：交互式分析框架，Dremel的實現;
• Pivotal HAWQ：Hadoop的類SQL的數據倉庫系統;
• RainstorDB：用於存儲大規模PB級結構化和半結構化數據的數據庫;
• Spark Catalyst：用於Spark和Shark的查詢優化框架;
• SparkSQL：使用Spark操作結構化數據;
• Splice Machine：一個全功能的Hadoop上的SQL RDBMS，並帶有ACID事務;
• Stinger：用於Hive的交互式查詢;
• Tajo：Hadoop的分布式數據倉庫系統;
• Trafodion：為企業級的SQL-on-HBase針對大數據的事務或業務工作負載的解決方案。

數據攝取

• Amazon Kinesis：大規模數據流的實時處理;
• Apache Chukwa：數據采集系統;
• Apache Flume：管理大量日志數據的服務;
• Apache Kafka：分布式發布-訂閱消息系統;
• Apache Sqoop：在Hadoop和結構化的數據存儲區之間傳送數據的工具;
• Cloudera Morphlines：幫助 Solr、HBase和HDFS完成ETL的框架;
• Facebook Scribe：流日志數據聚合器;
• Fluentd：采集事件和日志的工具;
• Google Photon：實時連接多個數據流的分布式計算機系統，具有高可擴展性和低延遲性;
• Heka：開源流處理軟件系統;
• HIHO：用Hadoop連接不同數據源的框架;
• Kestrel：分布式消息隊列系統;
• LinkedIn Databus：對數據庫更改捕獲的事件流;
• LinkedIn Kamikaze：壓縮已分類整型數組的程序包;
• LinkedIn White Elephant：日志聚合器和儀表板;
• Logstash：用於管理事件和日志的工具;
• Netflix Suro：像基於Chukwa 的Storm和Samza一樣的日志聚合器;
• Pinterest Secor：是實現Kafka日志持久性的服務;
• Linkedin Gobblin：LinkedIn的通用數據攝取框架;
• Skizze：是一種數據存儲略圖，使用概率性數據結構來處理計數、略圖等相關的問題;
• StreamSets Data Collector：連續大數據采集的基礎設施，可簡單地使用IDE。

服務編程

• Akka Toolkit：JVM中分布性、容錯事件驅動應用程序的運行時間;
• Apache Avro：數據序列化系統;
• Apache Curator：Apache ZooKeeper的Java庫;
• Apache Karaf：在任何OSGi框架之上運行的OSGi運行時間;
• Apache Thrift：構建二進制協議的框架;
• Apache Zookeeper：流程管理集中式服務;
• Google Chubby：一種松耦合分布式系統鎖服務;
• Linkedin Norbert：集群管理器;
• OpenMPI：消息傳遞框架;
• Serf：服務發現和協調的分散化解決方案;
• Spotify Luigi：一種構建批處理作業的復雜管道的Python包，它能夠處理依賴性解析、工作流管理、可視化、故障處理、命令行一體化等等問題;
• Spring XD：數據攝取、實時分析、批量處理和數據導出的分布式、可擴展系統;
• Twitter Elephant Bird：LZO壓縮數據的工作庫;
• Twitter Finagle：JVM的異步網絡堆棧。

調度

• Apache Aurora：在Apache Mesos之上運行的服務調度程序;
• Apache Falcon：數據管理框架;
• Apache Oozie：工作流作業調度程序;
• Chronos：分布式容錯調度;
• Linkedin Azkaban：批處理工作流作業調度;
• Schedoscope：Hadoop作業敏捷調度的Scala DSL;
• Sparrow：調度平台;
• Airflow：一個以編程方式編寫、調度和監控工作流的平台。

機器學習

• Apache Mahout：Hadoop的機器學習庫;
• brain：JavaScript中的神經網絡;
• Cloudera Oryx：實時大規模機器學習;
• Concurrent Pattern：Cascading的機器學習庫;
• convnetjs：Javascript中的機器學習，在瀏覽器中訓練卷積神經網絡(或普通網絡);
• Decider：Ruby中靈活、可擴展的機器學習;
• ENCOG：支持多種先進算法的機器學習框架，同時支持類的標准化和處理數據;
• etcML：機器學習文本分類;
• Etsy Conjecture：Scalding中可擴展的機器學習;
• Google Sibyl：Google中的大規模機器學習系統;
• GraphLab Create：Python的機器學習平台，包括ML工具包、數據工程和部署工具的廣泛集合;
• H2O：Hadoop統計性的機器學習和數學運行時間;
• MLbase：用於BDAS堆棧的分布式機器學習庫;
• MLPNeuralNet：針對iOS和Mac OS X的快速多層感知神經網絡庫;
• MonkeyLearn：使文本挖掘更為容易，從文本中提取分類數據;
• nupic：智能計算的Numenta平台，它是一個啟發大腦的機器智力平台，基於皮質學習算法的精准的生物神經網絡;
• PredictionIO：建於Hadoop、Mahout和Cascading上的機器學習服務器;
• SAMOA：分布式流媒體機器學習框架;
• scikit-learn：scikit-learn為Python中的機器學習;
• Spark MLlib：Spark中一些常用的機器學習(ML)功能的實現;
• Vowpal Wabbit：微軟和雅虎發起的學習系統;
• WEKA：機器學習軟件套件;
• BidMach：CPU和加速GPU的機器學習庫。

基准測試

• Apache Hadoop Benchmarking：測試Hadoop性能的微基准;
• Berkeley SWIM Benchmark：現實大數據工作負載基准測試;
• Intel HiBench：Hadoop基准測試套件;
• PUMA Benchmarking：MapReduce應用的基准測試套件;
• Yahoo Gridmix3：雅虎工程師團隊的Hadoop集群基准測試。

安全性

• Apache Knox Gateway：Hadoop集群安全訪問的單點;
• Apache Sentry：存儲在Hadoop的數據安全模塊。

系統部署

• Apache Ambari：Hadoop管理的運作框架;
• Apache Bigtop：Hadoop生態系統的部署框架;
• Apache Helix：集群管理框架;
• Apache Mesos：集群管理器;
• Apache Slider：一種YARN應用，用來部署YARN中現有的分布式應用程序;
• Apache Whirr：運行雲服務的庫集;
• Apache YARN：集群管理器;
• Brooklyn：用於簡化應用程序部署和管理的庫;
• Buildoop：基於Groovy語言，和Apache BigTop類似;
• Cloudera HUE：和Hadoop進行交互的Web應用程序;
• Facebook Prism：多數據中心復制系統;
• Google Borg：作業調度和監控系統;
• Google Omega：作業調度和監控系統;
• Hortonworks HOYA：可在YARN上部署HBase集群的應用;
• Marathon：用於長期運行服務的Mesos框架。

應用程序

• Adobe spindle：使用Scala、Spark和Parquet處理的下一代web分析;
• Apache Kiji：基於HBase，實時采集和分析數據的框架;
• Apache Nutch：開源網絡爬蟲;
• Apache OODT：用於NASA科學檔案中數據的捕獲、處理和共享;
• Apache Tika：內容分析工具包;
• Argus：時間序列監測和報警平台;
• Countly：基於Node.js和MongoDB，開源的手機和網絡分析平台;
• Domino：運行、規划、共享和部署模型——沒有任何基礎設施;
• Eclipse BIRT：基於Eclipse的報告系統;
• Eventhub：開源的事件分析平台;
• Hermes：建於Kafka上的異步消息代理;
• HIPI Library：在Hadoop’s MapReduce上執行圖像處理任務的API;
• Hunk：Hadoop的Splunk分析;
• Imhotep：大規模分析平台;
• MADlib：RDBMS的用於數據分析的數據處理庫;
• Kylin：來自eBay的開源分布式分析工具;
• PivotalR：Pivotal HD / HAWQ和PostgreSQL中的R;
• Qubole：為自動縮放Hadoop集群，內置的數據連接器;
• Sense：用於數據科學和大數據分析的雲平台;
• SnappyData：用於實時運營分析的分布式內存數據存儲，提供建立在Spark單一集成集群中的數據流分析、OLTP(聯機事務處理)和OLAP(聯機分析處理);
• Snowplow：企業級網絡和事件分析，由Hadoop、Kinesis、Redshift 和Postgres提供技術支持;
• SparkR：Spark的R前端;
• Splunk：用於機器生成的數據的分析;
• Sumo Logic：基於雲的分析儀，用於分析機器生成的數據;
• Talend：用於YARN、Hadoop、HBASE、Hive、HCatalog和Pig的統一開源環境;
• Warp：利用大數據(OS X app)的實例查詢工具。

搜索引擎與框架

• Apache Lucene：搜索引擎庫;
• Apache Solr：用於Apache Lucene的搜索平台;
• ElasticSearch：基於Apache Lucene的搜索和分析引擎;
• Enigma.io：為免費增值的健壯性web應用，用於探索、篩選、分析、搜索和導出來自網絡的大規模數據集;
• Facebook Unicorn：社交圖形搜索平台;
• Google Caffeine：連續索引系統;
• Google Percolator：連續索引系統;
• TeraGoogle：大型搜索索引;
• HBase Coprocessor：為Percolator的實現，HBase的一部分;
• Lily HBase Indexer：快速、輕松地搜索存儲在HBase的任何內容;
• LinkedIn Bobo：完全由Java編寫的分面搜索的實現，為Apache Lucene的延伸;
• LinkedIn Cleo：為一個一個靈活的軟件庫，使得局部、無序、實時預輸入的搜索實現了快速發展;
• LinkedIn Galene：LinkedIn搜索架構;
• LinkedIn Zoie：是用Java編寫的實時搜索/索引系統;
• Sphinx Search Server：全文搜索引擎

MySQL的分支和演化

• Amazon RDS：亞馬遜雲的MySQL數據庫;
• Drizzle：MySQL的6.0的演化;
• Google Cloud SQL：谷歌雲的MySQL數據庫;
• MariaDB：MySQL的增強版嵌入式替代品;
• MySQL Cluster：使用NDB集群存儲引擎的MySQL實現;
• Percona Server：MySQL的增強版嵌入式替代品;
• ProxySQL：MySQL的高性能代理;
• TokuDB：用於MySQL和 MariaDB的存儲引擎;
• WebScaleSQL：運行MySQL時面臨類似挑戰的幾家公司，它們的工程師之間的合作。

PostgreSQL的分支和演化

• Yahoo Everest - multi-peta-byte database / MPP derived by PostgreSQL.
• HadoopDB：MapReduce和DBMS的混合體;
• IBM Netezza：高性能數據倉庫設備;
• Postgres-XL：基於PostgreSQL，可擴展的開源數據庫集群;
• RecDB：完全建立在PostgreSQL內部的開源推薦引擎;
• Stado：開源MPP數據庫系統，只針對數據倉庫和數據集市的應用程序;
• Yahoo Everest：PostgreSQL可以推導多字節P比特數據庫/MPP。

Memcached的分支和演化

• Facebook McDipper：閃存的鍵/值緩存;
• Facebook Memcached：Memcache的分支;
• Twemproxy：Memcached和Redis的快速、輕型代理;
• Twitter Fatcache：閃存的鍵/值緩存;
• Twitter Twemcache：Memcache的分支。

嵌入式數據庫

• Actian PSQL：Pervasive Software公司開發的ACID兼容的DBMS，在應用程序中嵌入了優化;
• BerkeleyDB：為鍵/值數據提供一個高性能的嵌入式數據庫的一個軟件庫;
• HanoiDB：Erlang LSM BTree存儲;
• LevelDB：谷歌寫的一個快速鍵-值存儲庫，它提供了從字符串鍵到字符串值的有序映射;
• LMDB：Symas開發的超快、超緊湊的鍵-值嵌入的式數據存儲;
• RocksDB：基於性LevelDB，用於快速存儲的嵌入式持續性鍵-值存儲。

商業智能

• BIME Analytics：商業智能雲平台;
• Chartio：精益業務智能平台，用於可視化和探索數據;
• datapine：基於雲的自助服務商業智能工具;
• Jaspersoft：功能強大的商業智能套件;
• Jedox Palo：定制的商業智能平台;
• Microsoft：商業智能軟件和平台;
• Microstrategy：商業智能、移動智能和網絡應用軟件平台;
• Pentaho：商業智能平台;
• Qlik：商業智能和分析平台;
• Saiku：開源的分析平台;
• SpagoBI：開源商業智能平台;
• Tableau：商業智能平台;
• Zoomdata：大數據分析;
• Jethrodata：交互式大數據分析。

數據可視化

• Airpal：用於PrestoDB的網頁UI;
• Arbor：利用網絡工作者和jQuery的圖形可視化庫;
• Banana：對存儲在Kibana中Solr. Port的日志和時戳數據進行可視化;
• Bokeh：一個功能強大的Python交互式可視化庫，它針對要展示的現代web瀏覽器，旨在為D3.js風格的新奇的圖形提供優雅簡潔的設計，同時在大規模數據或流數據集中，通過高性能交互性來表達這種能力;
• C3：基於D3可重復使用的圖表庫;
• CartoDB：開源或免費增值的虛擬主機，用於帶有強大的前端編輯功能和API的地理空間數據庫;
• chartd：只帶Img標簽的反應靈敏、兼容Retina的圖表;
• Chart.js：開源的HTML5圖表可視化效果;
• Chartist.js：另一個開源HTML5圖表可視化效果;
• Crossfilter：JavaScript庫，用於在瀏覽器中探索多元大數據集，用Dc.js和D3.js.效果很好;
• Cubism：用於時間序列可視化的JavaScript庫;
• Cytoscape：用於可視化復雜網絡的JavaScript庫;
• DC.js：維度圖表，和Crossfilter一起使用，通過D3.js呈現出來，它比較擅長連接圖表/附加的元數據，從而徘徊在D3的事件附近;
• D3：操作文件的JavaScript庫;
• D3.compose：從可重復使用的圖表和組件構成復雜的、數據驅動的可視化;
• D3Plus：一組相當強大的可重用的圖表，還有D3.js的樣式;
• Echarts：百度企業場景圖表;
• Envisionjs：動態HTML5可視化;
• FnordMetric：寫SQL查詢，返回SVG圖表，而不是表;
• Freeboard：針對IOT和其他Web混搭的開源實時儀表盤構建;
• Gephi：屢獲殊榮的開源平台，可視化和操縱大型圖形和網絡連接，有點像Photoshop，但是針對於圖表，適用於Windows和Mac OS X;
• Google Charts：簡單的圖表API;
• Grafana：石墨儀表板前端、編輯器和圖形組合器;
• Graphite：可擴展的實時圖表;
• Highcharts：簡單而靈活的圖表API;
• IPython：為交互式計算提供豐富的架構;
• Kibana：可視化日志和時間標記數據;
• Matplotlib：Python繪圖;
• Metricsgraphic.js：建立在D3之上的庫，針對時間序列數據進行最優化;
• NVD3：d3.js的圖表組件;
• Peity：漸進式SVG條形圖，折線和餅圖;
• Plot.ly：易於使用的Web服務，它允許快速創建從熱圖到直方圖等復雜的圖表，使用圖表Plotly的在線電子表格上傳數據進行創建和設計;
• Plotly.js：支持plotly的開源JavaScript圖形庫;
• Recline：簡單但功能強大的庫，純粹利用JavaScript和HTML構建數據應用;
• Redash：查詢和可視化數據的開源平台;
• Shiny：針對R的Web應用程序框架;
• Sigma.js：JavaScript庫，專門用於圖形繪制;
• Vega：一個可視化語法;
• Zeppelin：一個筆記本式的協作數據分析;
• Zing Charts：用於大數據的JavaScript圖表庫。

物聯網和傳感器

• TempoIQ：基於雲的傳感器分析;
• 2lemetry：物聯網平台;
• Pubnub：數據流網絡;
• ThingWorx：ThingWorx 是讓企業快速創建和運行互聯應用程序平台;
• IFTTT：IFTTT 是一個被稱為 “網絡自動化神器” 的創新型互聯網服務，它的全稱是 If this then that，意思是“如果這樣，那么就那樣”;
• Evrythng：Evrythng則是一款真正意義上的大眾物聯網平台，使得身邊的很多產品變得智能化。

文章推薦

• NoSQL Comparison(NoSQL 比較)- Cassandra vs MongoDB vs CouchDB vs Redis vs Riak vs HBase vs Couchbase vs Neo4j vs Hypertable vs ElasticSearch vs Accumulo vs VoltDB vs Scalaris comparison;
• Big Data Benchmark(大數據基准)- Redshift, Hive, Shark, Impala and Stiger/Tez的基准;
• The big data successor of the spreadsheet(電子表格的大數據繼承者) - 電子表格的繼承者應該是大數據。

論文

2015 - 2016

2015 - Facebook - One Trillion Edges: Graph Processing at Facebook-Scale.(一兆邊：Facebook規模的圖像處理)

2013 - 2014

2014 - Stanford - Mining of Massive Datasets.(海量數據集挖掘)

2013 - AMPLab - Presto: Distributed Machine Learning and Graph Processing with Sparse Matrices. (Presto： 稀疏矩陣的分布式機器學習和圖像處理)

2013 - AMPLab - MLbase: A Distributed Machine-learning System. (MLbase：分布式機器學習系統)

2013 - AMPLab - Shark: SQL and Rich Analytics at Scale. (Shark: 大規模的SQL 和豐富的分析)

2013 - AMPLab - GraphX: A Resilient Distributed Graph System on Spark. (GraphX:基於Spark的彈性分布式圖計算系統)

2013 - Google - HyperLogLog in Practice: Algorithmic Engineering of a State of The Art Cardinality Estimation Algorithm. (HyperLogLog實踐:一個藝術形態的基數估算算法)

2013 - Microsoft - Scalable Progressive Analytics on Big Data in the Cloud.(雲端大數據的可擴展性漸進分析)

2013 - Metamarkets - Druid: A Real-time Analytical Data Store. (Druid：實時分析數據存儲)

2013 - Google - Online, Asynchronous Schema Change in F1.(F1中在線、異步模式的轉變)

2013 - Google - F1: A Distributed SQL Database That Scales. (F1: 分布式SQL數據庫)

2013 - Google - MillWheel: Fault-Tolerant Stream Processing at Internet Scale.(MillWheel: 互聯網規模下的容錯流處理)

2013 - Facebook - Scuba: Diving into Data at Facebook. (Scuba: 深入Facebook的數據世界)

2013 - Facebook - Unicorn: A System for Searching the Social Graph. (Unicorn: 一種搜索社交圖的系統)

2013 - Facebook - Scaling Memcache at Facebook. (Facebook 對 Memcache 伸縮性的增強)

2011 - 2012

2012 - Twitter - The Unified Logging Infrastructure for Data Analytics at Twitter. (Twitter數據分析的統一日志基礎結構)

2012 - AMPLab –Blink and It’s Done: Interactive Queries on Very Large Data. (Blink及其完成：超大規模數據的交互式查詢)

2012 - AMPLab –Fast and Interactive Analytics over Hadoop Data with Spark. (Spark上 Hadoop數據的快速交互式分析)

2012 - AMPLab –Shark: Fast Data Analysis Using Coarse-grained Distributed Memory. (Shark：使用粗粒度的分布式內存快速數據分析)

2012 - Microsoft –Paxos Replicated State Machines as the Basis of a High-Performance Data Store. (Paxos的復制狀態機——高性能數據存儲的基礎)

2012 - Microsoft –Paxos Made Parallel. (Paxos算法實現並行)

2012 - AMPLab – BlinkDB：BlinkDB: Queries with Bounded Errors and Bounded Response Times on Very Large Data.(超大規模數據中有限誤差與有界響應時間的查詢)

2012 - Google –Processing a trillion cells per mouse click.(每次點擊處理一兆個單元格)

2012 - Google –Spanner: Google’s Globally-Distributed Database.(Spanner：谷歌的全球分布式數據庫)

2011 - AMPLab –Scarlett: Coping with Skewed Popularity Content in MapReduce Clusters.(Scarlett：應對MapReduce集群中的偏向性內容)

2011 - AMPLab –Mesos: A Platform for Fine-Grained Resource Sharing in the Data Center.(Mesos：數據中心中細粒度資源共享的平台)

2011 - Google –Megastore: Providing Scalable, Highly Available Storage for Interactive Services.(Megastore：為交互式服務提供可擴展，高度可用的存儲)

2001 - 2010

2010 - Facebook - Finding a needle in Haystack: Facebook’s photo storage.(探究Haystack中的細微之處： Facebook圖片存儲)

2010 - AMPLab - Spark: Cluster Computing with Working Sets.(Spark:工作組上的集群計算)

2010 - Google - Storage Architecture and Challenges.(存儲架構與挑戰)

2010 - Google - Pregel: A System for Large-Scale Graph Processing.(Pregel: 一種大型圖形處理系統)

2010 - Google - Large-scale Incremental Processing Using Distributed Transactions and Notifications base of Percolator and Caffeine.(使用基於Percolator 和 Caffeine平台分布式事務和通知的大規模增量處理)

2010 - Google - Dremel: Interactive Analysis of Web-Scale Datasets.(Dremel: Web規模數據集的交互分析)

2010 - Yahoo - S4: Distributed Stream Computing Platform.(S4:分布式流計算平台)

2009 - HadoopDB：An Architectural Hybrid of MapReduce and DBMS Technologies for Analytical Workloads.(混合MapReduce和DBMS技術用於分析工作負載的的架構)

2008 - AMPLab - Chukwa: A large-scale monitoring system.(Chukwa: 大型監控系統)

2007 - Amazon - Dynamo: Amazon’s Highly Available Key-value Store.(Dynamo: 亞馬遜的高可用的關鍵價值存儲)

2006 - Google - The Chubby lock service for loosely-coupled distributed systems.(面向松散耦合的分布式系統的鎖服務)

2006 - Google - Bigtable: A Distributed Storage System for Structured Data.(Bigtable: 結構化數據的分布式存儲系統)

2004 - Google - MapReduce: Simplied Data Processing on Large Clusters.(MapReduce: 大型集群上簡化數據處理)

2003 - Google - The Google File System.(谷歌文件系統)
文章參考：https://blog.csdn.net/qq_44163077/java/article/details/87890160