(转)九种引人瞩目的开源大数据技术

摘要：越来越多的公司开始聚焦于大数据技术领域，而开源恰恰是大数据技术的灵魂。以下将为您介绍九大引人注目的开源大数据技术，请拭目以待。

越来越多的公司开始聚焦于大数据技术领域，而开源恰恰是大数据技术的灵魂。以下将为您介绍九大引人注目的开源大数据技术，请拭目以待：

1.Apache Hadoop

Apache hadoop是一个开源的分布式计算框架，最初由Doug为支持其开源Web搜索引擎Nutch所创立。通过集成MapReduce技术，Hadoop将大数据分布到多个数据节点上进行处理。Hadoop遵循Apache 2.0许可证，可以轻松处理结构化、半结构化和非结构化数据，一举成为现在非常流行的大数据解决方案，

2.R语言

R语言是一种开源编程语言，专门为数据统计和数据可视化而设计。R语言最初由Ross Ihaka和Robert Gentleman在奥克兰大学设计出来，之后迅速成为大数据领域的重要工具。R语言遵循GPL许可证。

3.Cascading

Cascading是一个针对Java开发人员的应用框架，可以快速、轻松地基于Apache Hadoop开发数据分析和数据管理应用。Cascading是Hadoop的抽象层，可以屏蔽MapReduce的复杂性，支持任何基于JVM的编程语言在Hadoop集群上执行数据处理任务。Cascading最初由Chris Wensel开发，用于作为MapReduce的替代API。Cascading遵循GNU许可证，一般用于广告定位、日志分析、Web数据挖掘和ETL应用。

4.Scribe

Scribe于2008年发布，是一个由Facebook开发的日志聚合服务器软件，用于实时从大量服务器汇集日志数据。Scribe遵循Apache 2许可证，扩展性极佳，每天可应对数百亿日志记录的挑战。

5.ElasticSearch

ElasticSearch是一款由Shay Banon开发，遵循Apache许可证的开源搜索服务器。ElasticSearch基于分布式计算，对于实时搜索可以提供很好的可扩展性解决方案。许多公司已经对ElasticSearch表示认可，比如StumbleUpon和Mozilla。

6.Apache HBase

Apache HBase是一个使用Java语言编写的、以谷歌BigTable技术为基础的开源非关系型列式分布数据库，可运行在HDFS文件系统之上。HBase提供了很好的存储容错能力和快速访问大量稀疏文件的能力。HBase遵循Apache 2许可证。

7.Apache Cassandra

Cassandra是由Facebook开发的另一个开源NoSQL数据库，遵循Apache 2许可证。由于对HBase的喜爱，Facebook开始逐渐放弃使用Cassandra，但许多公司，如Netflix依然使用Cassandra数据库为其后端流媒体服务提供动力。

8.MongoDB

MongoDB是一个基于分布式文件存储的数据库，由C++语言编写。旨在为Web应用提供可扩展的高性能数据存储解决方案。MongoDB是非常流行的JSON文档式NoSQL数据库，许多公司都非常认同MongoDB。MTV Networks、craigslist和迪斯尼互动传媒集团，纽约时报以及Etsy都是MongoDB的客户。MongoDB遵循GNU Affero通用许可证，语言驱动遵循Apache许可证，10gen公司提供商业化的MongoDB许可证。

9.Apache CouchDB

CouchDB也是一个流行的开源NoSQL数据库，它以文档方式（JSON）存储数据。CouchDB使用JavaScript语言作为查询语言，集成MapReduce技术。IBM Lotus Notes的开发人员Damien Katz在2005年构建了CouchDB，用于大规模对象的数据存储系统。CouchDB遵循Apache 2许可证，英国广播公司（BBC）使用CouchDB存储动态内容，瑞士瑞信银行（Credit Suisse）的商品部也采用了它。