大数据技术生态体系

sqoop

Sqoop 是一款开源的工具，主要用于在 Hadoop、 Hive 与传统的数据库(MySql)间
进行数据的传递，可以将一个关系型数据库（例如 ： MySQL， Oracle 等）中的数据导进到
Hadoop 的 HDFS 中，也可以将 HDFS 的数据导进到关系型数据库中。

Flume

Flume 是 Cloudera 提供的一个高可用的，高可靠的，分布式的海量日志采集、聚
合和传输的系统， Flume 支持在日志系统中定制各类数据发送方，用于收集数据；同时， Flume提供对数据进行简单处理，并写到各种数据接受方（可定制）的能力。

Kafka

Kafka 是一种高吞吐量的分布式发布订阅消息系统。

Storm

Storm 用于“连续计算”， 对数据流做连续查询， 在计算时就将结果以流的形式输
出给用户。

Spark

Spark 是当前最流行的开源大数据内存计算框架。可以基于 Hadoop 上存储的大数
据进行计算。

Flink

Apache Flink 是为分布式、高性能、随时可用以及准确的流处理应用程序打造的开源流处理框架

Oozie

Oozie 是一个管理 Hdoop 作业（job）的工作流程调度管理系统。

Hbase

HBase 是一个分布式的、面向列的开源数据库。 HBase 不同于一般的关系数据库，
它是一个适合于非结构化数据存储的数据库。

Hive

Hive 是基于 Hadoop 的一个数据仓库工具，可以将结构化的数据文件映射为一张
数据库表，并提供简单的 SQL 查询功能，可以将 SQL 语句转换为 MapReduce 任务进行运
行。 其优点是学习成本低，可以通过类 SQL 语句快速实现简单的 MapReduce 统计，不必
开发专门的 MapReduce 应用，十分适合数据仓库的统计分析。

R

R 是用于统计分析、绘图的语言和操作环境。 R 是属于 GNU 系统的一个自由、
免费、源代码开放的软件，它是一个用于统计计算和统计制图的优秀工具。

Mahout

Apache Mahout 是个可扩展的机器学习和数据挖掘库。

Zookeeper

Zookeeper 是 Google 的 Chubby 一个开源的实现。它是一个针对大型分布
式系统的可靠协调系统，提供的功能包括：配置维护、名字服务、 分布式同步、组服务等。
ZooKeeper 的目标就是封装好复杂易出错的关键服务，将简单易用的接口和性能高效、功能
稳定的系统提供给用户。