走进大数据开源项目 [作者：翁岩青]

最近大数据领域最火的消息莫过于Pivotal兑现了其年初对于开源其大数据核心产品GemFire，HAWQ，Greemplum DB的承诺 。这个消息也让Pivotal在国内技术社区风风光光的火了一把，程序猿们可以看到真正的企业级数据仓库是如何设计和实现的。

与此同时，开源社区中也存在很多类似的优秀大数据相关项目，涵盖了分布式数据存储与计算，数据处理，数据仓库，机器学习等与数据有关的方方面面，下面就让我们看看开源社区中的这些大数据项目典型代表。

首先，说起大数据开源项目，第一个必须要提的当然就是Apache Hadoop下的三个子项目Apache HDFS，Apache MapReduce，Apache YARN，这基本上可以认为是大数据处理的国际标准，是整个大数据生态系统的基石。

在分布式存储领域，可以按存储模型分为文件系统，KV存储，Columnar存储，Document存储，Graph存储。</