大数据平台技术框架选型分析报告Word文档下载推荐.docx

大数据平台技术框架选型分析报告Word文档下载推荐.docx

《大数据平台技术框架选型分析报告Word文档下载推荐.docx》由会员分享，可在线阅读，更多相关《大数据平台技术框架选型分析报告Word文档下载推荐.docx（15页珍藏版）》请在冰豆网上搜索。

它是否开源，并能根据你的特定问题易于改变或扩展？

是否存在一个含有文档、论坛、博客和交流会的大社区？

特性：

是否支持所有需要的特性？

Hadoop的发行版本（如果你已经使用了某一个）？

你想要使用的Hadoop生态系统的所有部分？

你想要集成的所有接口、技术、产品？

请注意过多的特性可能会大大增加复杂性和费用。

所以请查证你是否真正需要一个非常重量级的解决方案。

是否你真的需要它的所有特性？

陷阱：

请注意某些陷阱。

某些大数据套件采用数据驱动的付费方式（“数据税”），也就是说，你得为自己处理的每个数据行付费。

因为我们是在谈论大数据，所以这会变得非常昂贵。

并不是所有的大数据套件都会生成本地ApacheHadoop代码，通常要在每个Hadoop集群的服务器上安装一个私有引擎，而这样就会解除对于软件提供商的独立性。

还要考虑你使用大数据套件真正想做的事情。

某些解决方案仅支持将Hadoop用于ETL来填充数据至数据仓库，而其他一些解决方案还提供了诸如后处理、转换或Hadoop集群上的大数据分析。

ETL仅是ApacheHadoop和其生态系统的一种使用情形。

六、方案分析

自建套件

hortonworks

国内类exadoop

TDW+fineBI

成本

100%开源

培训服务3k/人

授权支持100K

性能

单集群最大规模达到5600台，处理数据量可达百P级

功能

按需整合

HDFS和YARN数据管理

从各种引擎访问数据

根据策略加载和管理数据

身份验证、授权和数据保护

大规模配置、管理、监控和运营Hadoop群集

与您的数据分析工具集成

跨平台配置部署

易操作性

安装复杂，操作需要专业培训。

图形设计界面，参数配置，易上手。

应用成熟度

国外大客户较多

文档/社区支持

文档较多，社区一般，相关专业培训较多。

官方社区比较活跃（英文）中文社区有1个文档较少，多为英文文档

文档较少，无商用服务，无任何技术支持

扩展性

开源开放

移植性

支持多操作系统

监控

监控功能强大Armbri

元

无

优势

1、跟随产品阶段逐步完善整合自定义套件

2、自选流行组件，资料丰富

1、开源强大支持的开源套件

2、配套商业服务支持

1、国产套件

2、交流支持方便

3、商业服务较灵活

1、开源中文支持

2、基于大数据处理核心，灵活组合其它组件来适应不同产品阶段及项目

劣势

整合周期不可控

商业成本较高

依赖于打包服务公司的支持

半定制套件，预学现用

七、相关资料

https:

//prestodb.io/

HDP（hortonworks）

ACompleteEnterpriseHadoopDataPlatform

开源工具汇总整理

类别

名称

备注

查询引擎

Phoenix

Salesforce公司出品，ApacheHBase之上的一个SQL中间层，完全使用Java编写

Stinger

原叫Tez，下一代Hive,Hortonworks主导开发，运行在YARN上的DAG计算框架

Presto

Facebook开源

Shark

Spark上的SQL执行引擎

Pig

基于HadoopMapReduce的脚本语言

ClouderaImpala

参照GoogleDremel实现，能运行在HDFS或HBase上，使用C++开发

ApacheDrill

参照GoogleDremel实现

ApacheTajo

一个运行在YARN上支持SQL的分布式数据仓库

Hive

基于HadoopMapReduce的SQL查询引擎

流式计算

FacebookPuma

实时数据流分析

TwitterRainbird

分布式实时统计系统，如网站的点击统计

YahooS4

Java开发的一个通用的、分布式的、可扩展的、分区容错的、可插拔的无主架构的流式系统

TwitterStorm

使用Java和Clojure实现

迭代计算

ApacheHama

建立在Hadoop上基于BSP（BulkSynchronousParallel）的计算框架，模仿了Google的Pregel。

ApacheGiraph

建立在Hadoop上的可伸缩的分布式迭代图处理系统，灵感来自BSP（bulksynchronousparallel）和Google的Pregel

HaLoop

迭代的MapReduce

Twister

离线计算

HadoopMapReduce

经典的大数据批处理系统

BerkeleySpark

使用Scala语言实现，和MapReduce有较大的竞争关系，性能强于MapReduce

DataTorrent

基于Hadoop2.X构建的实时流式处理和分析平台，每秒可以处理超过10亿个实时事件

键值存储

LevelDB

Google开源的高效KV编程库，注意它只是个库

RocksDB

Facebook开源的，基于Google的LevelDB，但提高了扩展性可以运行在多核处理器上

HyperDex

下一代KV存储系统，支持strings、integers、floats、lists、maps和sets等丰富的数据类型

TokyoCabinet

日本人MikioHirabayashi（平林干雄）开发的一款DBM数据库，注意它只是个库（大名鼎鼎的DBM数据库qdbm就是MikioHirabayashi开发的）,读写非常快

Voldemort

一个分布式键值存储系统，是AmazonDynamo的一个开源克隆，LinkedIn开源

AmazonDynamo

亚马逊的KV模式的存储平台，无主架构

Tair

淘宝出品的高性能、分布式、可扩展、高可靠的KV结构存储系统，专为小文件优化，并提供简单易用的接口（类似Map），Tair支持Java和C版本的客户端

ApacheAccumulo

一个可靠的、可伸缩的、高性能的排序分布式的KV存储系统，参照GoogleBigtable而设计，建立在Hadoop、Thrift和Zookeeper之上。

Redis

使用ANSIC语言编写、支持网络、可基于内存亦可持久化的日志型、单机版KV数据库。

从2010年3月15日起，Redis的开发工作由VMware主持

OceanBase

支持海量数据的高性能分布式数据库系统，实现了数千亿条记录、数百TB数据上的跨行跨表事务

AmazonSimpleDB

一个可大规模伸缩、用Erlang编写的高可用数据存储

Vertica

惠普2011收购Vertica，Vertica是传统的关系型数据库，基于列存储，同时支持MPP，使用标准的SQL查询,可以和Hadoop/MapReduce进行集成

Cassandra

Hadoop成员，Facebook于2008将Cassandra开源，基于O

（1）DHT的完全P2P架构

HyperTable

搜索引擎公司Zvents针对Bigtable的C++开源实现

FoundationDB

支持ACID事务处理的NoSQL数据库，提供非常好的性能、数据一致性和操作弹性

HBase

Bigtable在Hadoop中的实现，最初是Powerset公司为了处理自然语言搜索产生的海量数据而开展的项目

文件存储

CouchDB

面向文档的数据存储

MongoDB

文档数据库

Tachyon

加州大学伯克利分校的AMPLab基于Hadoop的核心组件开发出一个更快的版本Tachyon，它从底层重构了Hadoop平台。

KFS

GFS的C++开源版本

HDFS

GFS在Hadoop中的实现

资源管理

TwitterMesos

GoogleBorg的翻版

HadoopYarn

类似于Mesos

日志收集系统

FacebookScribe

Facebook开源的日志收集系统，能够从各种日志源上收集日志，存储到一个中央存储系统（可以是NFS，分布式文件系统等）上，以便于进行集中统计分析处理，常与Hadoop结合使用，Scribe用于向HDFS中Push日志

ClouderaFlume

Cloudera提供的日志收集系统，支持对日志的实时性收集

logstash

日志管理、分析和传输工具，可配合kibana、ElasticSearch组建成日志查询系统

kibana

为日志提供友好的Web查询页面

消息系统

StormMQ

ZeroMQ

很底层的高性能网络库

RabbitMQ

在AMQP基础上完整的，可复用的企业消息系统

ApacheActiveMQ

能力强劲的开源消息总线

Jafka

开源的、高性能的、跨语言分布式消息系统，最早是由Apache孵化的Kafka（由LinkedIn捐助给Apache）克隆而来

ApacheKafka

Linkedin于2010年12月份开源的分布式消息系统，它主要用于处理活跃的流式数据，由Scala写成

分布式服务

ZooKeeper

分布式锁服务，PoxOS算法的实现，对应Google的Chubby

RPC

ApacheAvro

Hadoop中的RPC

FacebookThrift

RPC，支持C++/Java/PHP等众多语言

集群管理

Nagios

监视系统运行状态和网络信息的监视系统

Ganglia

UCBerkeley发起的一个开源集群监视项目，设计用于测量数以千计的节点。

ApacheAmbari

Hadoop成员，管理和监视ApacheHadoop集群的开源框架

基础设施

Google顶级大牛开发的单机版键值数据库，具有非常高的写性能

SSTable

源于Google，ortedStringTable

RecordIO

源于Google

FlatBuffers

针对游戏开发的，高效的跨平台序列化库，相比ProtoBuffers开销更小，因为FlatBuffers没有解析过程

ProtocolBuffers

Google公司开发的一种数据描述语言，类似于XML能够将结构化数据序列化，可用于数据存储、通信协议等方面。

它不依赖于语言和平台并且可扩展性极强。

ConsistentHashing

1997年由麻省理工学院提出,目标是为了解决因特网中的热点（Hotspot）问题，初衷和CARP十分类似，基本解决了在P2P环境中最为关键的问题——如何在动态的网络拓扑中分布存储和路由。

Netty

JBOSS提供的一个java开源框架，提供异步的、事件驱动的网络应用程序框架，用以快速开发高性能、高可靠性的网络服务器和客户端程序。

BloomFilter

布隆过滤器，1970年由布隆提出，是一个很长的二进制矢量和一系列随机映射函数，可以用于检索一个元素是否在一个集合中，优点是空间效率和查询时间都远远超过一般的算法，缺点是有一定的误识别率和删除困难。

搜索引擎

Nutch

开源Java实现的搜索引擎，诞生Hadoop的地方。

Lucene

一套信息检索工具包，但并不包含搜索引擎系统，它包含了索引结构、读写索引工具、相关性工具、排序等功能。

SolrCloud

基于Solr和Zookeeper的分布式搜索，Solr4.0的核心组件之一，主要思想是使用Zookeeper作为集群的配置信息中心

Solr

Solr是基于Lucene的搜索。

ElasticSearch

开源的（Apache2协议），分布式的，RESTful的，构建在ApacheLucene之上的的搜索引擎。

Sphinx

一个基于SQL的全文检索引擎，可结合MySQL、PostgreSQL做全文检索，可提供比数据库本身更专业的搜索功能，单一索引可达1亿条记录，1000万条记录情况下的查询速度为0.x秒（毫秒级）。

SenseiDB

Linkin公司开发的一个开源分布式实时半结构化数据库，在全文索引的基础封装了BrowseQueryLanguage（BQL，类似SQL）的查询语法。

数据挖掘

Mahout

Hadoop成员，目标是建立一个可扩展的机器学习库

Iaas

OpenStack

美国国家航空航天局和Rackspace合作研发的，以Apache许可证授权云平台管理的项目，它不是一个软件。

这个项目由几个主要的组件组合起来完成一些具体的工作，旨在为公共及私有云的建设与管理提供软件的开源项目。

6个核心项目：

Nova（计算，Compute），Swift（对象存储，Object），Glance（镜像，Image），Keystone（身份，Identity），Horizon（自助门户，Dashboard），Quantum&

Melange（网络&

地址管理），另外还有若干社区项目，如Rackspace（负载均衡）、Rackspace（关系型数据库）。

Docker

应用容器引擎，让开发者可打包应用及依赖包到一个可移植的容器中，然后发布到Linux机器上，也可实现虚拟化。

Kubernetes

Google开源的容器集群管理系统

Imctfy

Google开源的Linux容器

监控管理

Dapper

Google生产环境下的大规模分布式系统的跟踪系统

Zipkin

Twitter开源的参考GoogleDapper而开发，使用ApacheCassandra做为数据存储系统