大數據工具是什么?

顧名思義，大數據工具就是用戶(hù)大數據工作的工具統稱(chēng)，比如從事大數據開(kāi)發(fā)工作會(huì )用到j(luò )ava、hadoop、spark、storm、es等，而從事大數據可視化工作需要很多的數據可視化工具，比如echarts、samrtbi、tableau、D3.js等，大數據工作人員利用這些工具來(lái)進(jìn)行日常的大數據工作。

下面我們來(lái)介紹一些大數據工作中用到的工具。

1. Hivemall

Hivemall結合了面向Hive的多種機器學(xué)習算法。它包括諸多高度擴展性算法，可用于數據分類(lèi)、遞歸、推薦、k最近鄰、異常檢測和特征哈希。

支持的操作系統：與操作系統無(wú)關(guān)。

Hivemall官網(wǎng)鏈接：https://github.com/myui/hivemall

2. Mahout

Mahout 是 Apache Software Foundation（ASF） 旗下的一個(gè)開(kāi)源項目，提供一些可擴展的機器學(xué)習領(lǐng)域經(jīng)典算法的實(shí)現，旨在幫助開(kāi)發(fā)人員更加方便快捷地創(chuàng )建智能應用程序。Mahout包含許多實(shí)現，包括聚類(lèi)、分類(lèi)、推薦過(guò)濾、頻繁子項挖掘。此外，通過(guò)使用 Apache Hadoop 庫，Mahout 可以有效地擴展到云中。

Mahout官網(wǎng)地址：http://mahout.apache.org/

3. MapReduce

MapReduce是一種編程模型，用于大規模數據集（大于1TB）的并行運算。概念"Map（映射）"和"Reduce（歸約）"，是它們的主要思想，都是從函數式編程語(yǔ)言里借來(lái)的，還有從矢量編程語(yǔ)言里借來(lái)的特性。它極大地方便了編程人員在不會(huì )分布式并行編程的情況下，將自己的程序運行在分布式系統上。

MapReduce相關(guān)文檔：http://hadoop.apache.org/docs/r1.2.1/mapred_tutorial.html

4. Oozie

Oozie是一種Java Web應用程序，它運行在Java servlet容器——即Tomcat——中，并使用數據庫來(lái)存儲以下內容：

● 工作流定義

● 當前運行的工作流實(shí)例，包括實(shí)例的狀態(tài)和變量

Oozie官網(wǎng)地址：http://oozie.apache.org/

5. Pig

Pig是一種數據流語(yǔ)言和運行環(huán)境，用于檢索非常大的數據集。為大型數據集的處理提供了一個(gè)更高層次的抽象。Pig包括兩部分：一是用于描述數據流的語(yǔ)言，稱(chēng)為Pig Latin；二是用于運行Pig Latin程序的執行環(huán)境。

Pig官網(wǎng)地址：http://pig.apache.org/

6. Sqoop

Sqoop(發(fā)音：skup)是一款開(kāi)源的工具，主要用于在Hadoop(Hive)與傳統的數據庫(mysql、postgresql...)間進(jìn)行數據的傳遞，可以將一個(gè)關(guān)系型數據庫（例如 ： MySQL ,Oracle ,Postgres等）中的數據導進(jìn)到Hadoop的HDFS中，也可以將HDFS的數據導進(jìn)到關(guān)系型數據庫中。

Sqoop官網(wǎng)地址：http://sqoop.apache.org/

Sqoop相關(guān)文檔：http://sqoop.apache.org/docs/1.4.5/index.html

7. Spark

Spark 是一種與 Hadoop 相似的開(kāi)源集群計算環(huán)境，但是兩者之間還存在一些不同之處，這些有用的不同之處使 Spark 在某些工作負載方面表現得更加優(yōu)越，換句話(huà)說(shuō)，Spark 啟用了內存分布數據集，除了能夠提供交互式查詢(xún)外，它還可以?xún)?yōu)化迭代工作負載。

Spark官網(wǎng)地址：http://spark.apache.org/

8. Tez

Tez建立在A(yíng)pache Hadoop YARN的基礎上，這是“一種應用程序框架，允許為任務(wù)構建一種復雜的有向無(wú)環(huán)圖，以便處理數據�！彼�讓Hive和Pig可以簡(jiǎn)化復雜的任務(wù)，而這些任務(wù)原本需要多個(gè)步驟才能完成。

支持的操作系統：Windows、Linux和OS X。

Tez官網(wǎng)鏈接：http://tez.apache.org

9. Zookeeper

ZooKeeper是一個(gè)分布式的，開(kāi)放源碼的分布式應用程序協(xié)調服務(wù)，是Google的Chubby一個(gè)開(kāi)源的實(shí)現，是Hadoop和Hbase的重要組件。它是一個(gè)為分布式應用提供一致性服務(wù)的軟件，提供的功能包括：配置維護、域名服務(wù)、分布式同步、組服務(wù)等。

Zookeeper官網(wǎng)：http://zookeeper.apache.org/