一图简述大数据技术生态圈

数据观 • 8年前扫码分享

我是创始人李岩：很抱歉！给自己产品做个广告，点击进来看看。

　　 下面是一张生态图，主要的组件都是为了方便大家从底层的MapReduce模型中脱离出来，用高层语言来做分布式计算，下文将分别为你作简述。

一图简述大数据技术生态圈

　　1、 HBase

是一个高可靠性、高性能、面向列、可伸缩的分布式存储系统，利用HBase技术可在廉价PC Server上搭建起大规模结构化数据集群。像Facebook，都拿它做大型实时应用。

　　2、 Hive

Facebook领导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，并提供完整的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。像一些data scientist 就可以直接查询，不需要学习其他编程接口。

　　3、 Pig

Yahoo开发的，并行地执行数据流处理的引擎，它包含了一种脚本语言，称为Pig Latin，用来描述这些数据流。Pig Latin本身提供了许多传统的数据操作，同时允许用户自己开发一些自定义函数用来读取、处理和写数据。在LinkedIn也是大量使用。

　　4、 Cascading/Scalding

Cascading是Twitter收购的一个公司技术，主要是提供数据管道的一些抽象接口，然后又推出了基于Cascading的Scala版本就叫Scalding。Coursera是用Scalding作为MapReduce的编程接口放在Amazon的EMR运行。

　　5、 Zookeeper

一个分布式的，开放源码的分布式应用程序协调服务，是Google的Chubby一个开源的实现。

　　6、 Oozie

　　一个基于工作流引擎的开源框架。由Cloudera公司贡献给Apache的，它能够提供对 Hadoop MapReduce和Pig Jobs的任务调度与协调。

　　7、 Azkaban

跟上面很像，Linkedin开源的面向Hadoop的开源工作流系统，提供了类似于cron 的管理任务。

　　8、 Tez

Hortonworks主推的优化MapReduce执行引擎，与MapReduce相比较，Tez在性能方面更加出色。