资源 | 23个适合Java开发者的大数据工具和框架

最新推荐文章于 2024-07-25 17:59:35 发布

ShuYunBIGDATA

最新推荐文章于 2024-07-25 17:59:35 发布

阅读量693

点赞数

文章标签： Java

本文链接：https://blog.csdn.net/ShuYunBIGDATA/article/details/89513659

版权

本文列举了Java开发者在过去12个月内一直使用的一些工具或框架，或许会对你有所帮助。

1.MongoDB--最受欢迎的，跨平台的，面向文档的数据库

MongoDB是一个基于分布式文件存储的数据库，使用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。应用性能高低依赖于数据库性能，MongoDB则是非关系数据库中功能最丰富，最像关系数据库的。MongoDB的核心优势就是灵活的文档模型、高可用复制集、可扩展分片集群。

2.Elasticsearch --为云构建的分布式RESTful搜索引擎

ElasticSearch是基于Lucene的搜索服务器。它提供了分布式多用户能力的全文搜索引擎，基于RESTful web接口。ElasticSearch不仅是一个全文本搜索引擎，还是一个分布式实时文档存储，其中每个field均是被索引的数据且可被搜索;也是一个带实时分析功能的分布式搜索引擎，并且能够扩展至数以百计的服务器存储及处理PB级的数据。

3.Cassandra--开源分布式数据库管理系统，最初是由Facebook开发的，旨在处理许多商品服务器上的大量数据，提供高可用性，没有单点故障

Apache Cassandra是一套开源分布式NoSQL数据库系统。集Google BigTable的数据模型与Amazon Dynamo的完全分布式架构于一身。因Cassandra是用Java编写的，所以理论上在具有JDK6及以上版本的机器中都可以运行，官方测试的JDK还有OpenJDK 及Sun的JDK。对于熟悉MySQL的朋友来说，操作会很容易上手。

4.Redis --开源(BSD许可)内存数据结构存储，用作数据库，缓存和消息代理

Redis是一个开源的使用ANSI C语言编写的、支持网络、可基于内存亦可持久化的日志型、Key-Value数据库，并提供多种语言的API。Redis 有三个主要使其有别于其它很多竞争对手的特点：Redis是完全在内存中保存数据的数据库，使用磁盘只是为了持久性目的; Redis相比许多键值数据存储系统有相对丰富的数据类型; Redis可以将数据复制到任意数量的从服务器中。

5.Solr --开源企业搜索平台，用Java编写，来自Apache Lucene项目

Solr是一个独立的企业级搜索应用服务器，它对外提供类似于Web-service的API接口。用户可以通过http请求，向搜索引擎服务器提交一定格式的XML文件，生成索引;也可以通过Http Get操作提出查找请求，并得到XML格式的返回结果。Hazelcast的应用便捷性深受开发者喜欢，但如果要投入使用，还需要慎重考虑。

6.EHCache--广泛使用的开源Java分布式缓存。主要面向通用缓存、Java EE和轻量级容器

EhCache 是一个纯Java的进程内缓存框架，具有快速、精干等特点，是Hibernate中默认的CacheProvider。主要特性有：快速简单，具有多种缓存策略;缓存数据有两级，内存和磁盘，因此无需担心容量问题;缓存数据会在虚拟机重启的过程中写入磁盘;可以通过RMI、可插入API等方式进行分布式缓存;具有缓存和缓存管理器的侦听接口;支持多缓存管理器实例，以及一个实例的多个缓存区域;提供Hibernate的缓存实现。

7.Hadoop --用Java编写的开源软件框架，用于分布式存储，并对非常大的数据集进行分布式处理

用户可以在不了解分布式底层细节的情况下，开发分布式程序。充分利用集群进行高速运算和存储。Hadoop实现了一个分布式文件系统(Hadoop Distributed File System)，简称HDFS。Hadoop的框架最核心的设计就是：HDFS和MapReduce。HDFS为海量的数据提供了存储，MapReduce则为海量的数据提供了计算。

8.EHCache--广泛使用的开源Java分布式缓存。主要面向通用缓存、Java EE和轻量级容器

9.Spark --Apache Software Foundation中最活跃的项目，是一个开源集群计算框架

Spark 启用了内存分布数据集，除了能够提供交互式查询外，它还可以优化迭代工作负载。Spark 是在 Scala 语言中实现的，它将 Scala 用作其应用程序框架。与 Hadoop 不同，Spark 和 Scala 能够紧密集成，其中的 Scala 可以像操作本地集合对象一样轻松地操作分布式数据集。

10.CouchBase --开源分布式的NoSQL面向文档数据库，针对交互式应用程序进行了优化

如果以前没有NoSQL的使用经验，那么理解couchbase的时候关键有两点：延后写入和松散存储。该产品基于Apache CouchDB，并整合了GeoCouch(一个基于Erlang、紧密集成的地理空间索引系统，可支持LBS应用)。

11.Apache Hive --在Hadoop之上提供类似SQL的层

Hive是一个基于Hadoop的数据仓库平台。通过hive，可以方便地进行ETL工作。hive定义了一个类似于SQL的查询语言，能够将用户编写的SQL转化为相应的Mapreduce程序基于Hadoop执行。目前，已经发布了Apache Hive 2.1.1 版本。

12.Apache Kafka --最初是由LinkedIn开发的高吞吐量，分布式订阅消息系统

Apache Kafka是一个开源消息系统项目，由Scala写成。该项目的目标是为处理实时数据提供一个统一、高通量、低等待的平台。Kafka维护按类区分的消息，称为主题(topic)。生产者(producer)向kafka的主题发布消息，消费者(consumer)向主题注册，并且接收发布到这些主题的消息。

13.Akka --用于在JVM上构建高并发，分布式和弹性消息驱动应用程序的工具包

Akka 是一个用 Scala 编写的库，用于简化编写容错的、高可伸缩性的 Java 和 Scala 的 Actor 模型应用。它已经成功运用在电信行业，系统几乎不会宕机。

14.HBase --开放源代码，非关系型，分布式数据库，采用Google的BigTable建模，用Java编写，并在HDFS上运行

与FUJITSU Cliq等商用大数据产品不同，HBase是Google Bigtable的开源实现，类似Google Bigtable利用GFS作为其文件存储系统，HBase利用Hadoop HDFS作为其文件存储系统;Google运行MapReduce来处理Bigtable中的海量数据，HBase同样利用Hadoop MapReduce来处理HBase中的海量数据。

15.Neo4j --在Java中实现的开源图形数据库