Hadoop ecosystem:
hive: sql执行引擎;数据仓库;
pig: 命令式sql执行引擎;
hbase: 分布式数据库;高性能IO;大吞吐;实时;对小文件支持好
(apache顶级项目)
oozie: 任务调度框架;
chukwa: 分布式日志收集、解析系统;
toad: 在RDBMS和DDBMS之间转移数据;
storm: 不基于hadoop,分布式实时流处理/分析;监控系统;
flume: 分布式数据传输/分发;
zookeeper: 轻量级系统管理框架;消息协同;锁服务
(不限于hadoop,前景广阔)
mahout: 数据挖掘
sqoop: 关系数据库ETL工具;
spark: 内存计算;
(应该是未来的方向吧,2014.3成为顶级项目)
不同的环境:
数据采集 chukwa
数据传输 flume
数据处理 hadoop/storm
数据存储 hadoop
spark/impala: 内存计算;
mapreduce场景:
数据可分割;数据计算顺序无所谓;重复计算结果相同;批处理;
storm: 流式计算