内容目录

• 关系数据库管理系统（RDBMS）
• 框架
• 分布式编程
• 分布式文件系统
• 文件数据模型
• Key -Map 数据模型
• 键-值数据模型
• 图形数据模型
• NewSQL数据库
• 列式数据库
• 时间序列数据库
• 类SQL处理
• 数据摄取
• 服务编程
• 调度
• 机器学习
• 基准测试
• 安全性
• 系统部署
• 应用程序
• 搜索引擎与框架
• MySQL的分支和演化
• PostgreSQL的分支和演化
• Memcached的分支和演化
• 嵌入式数据库
• 商业智能
• 数据可视化
• 物联网和传感器
• 文章
• 论文
• 视频

关系数据库管理系统（RDBMS）

• MySQL：世界最流行的开源数据库；
• PostgreSQL：世界最先进的开源数据库；
• Oracle 数据库：对象-关系型数据库管理系统。

框架

• Apache Hadoop：分布式处理架构，结合了 MapReduce（并行处理）、YARN（作业调度）和HDFS（分布式文件系统）；
• Tigon：高吞吐量实时流处理框架。

分布式编程

• AddThis Hydra ：最初在AddThis上开发的分布式数据处理和存储系统；
• AMPLab SIMR：用在Hadoop MapReduce v1上运行Spark；
• Apache Beam：为统一的模型以及一套用于定义和执行数据处理工作流的特定SDK语言；
• Apache Crunch：一个简单的Java API，用于执行在普通的MapReduce实现时比较单调的连接、数据聚合等任务；
• Apache DataFu：由LinkedIn开发的针对Hadoop and 和Pig的用户定义的函数集合；
• Apache Flink：具有高性能的执行时间和自动程序优化；
• Apache Gora：内存中的数据模型和持久性框架；
• Apache Hama：BSP（整体同步并行）计算框架；
• Apache MapReduce ：在集群上使用并行、分布式算法处理大数据集的编程模型；
• Apache Pig ：Hadoop中，用于处理数据分析程序的高级查询语言；
• Apache REEF ：用来简化和统一低层大数据系统的保留性评估执行框架；
• Apache S4 ：S4中流处理与实现的框架；
• Apache Spark ：内存集群计算框架；
• Apache Spark Streaming ：流处理框架，同时是Spark的一部分；
• Apache Storm ：Twitter流处理框架，也可用于YARN；
• Apache Samza ：基于Kafka和YARN的流处理框架；
• Apache Tez ：基于YARN，用于执行任务中的复杂DAG（有向无环图）；
• Apache Twill ：基于YARN的抽象概念，用于减少开发分布式应用程序的复杂度；
• Cascalog：数据处理和查询库；
• Cheetah ：在MapReduce之上的高性能、自定义数据仓库；
• Concurrent Cascading ：在Hadoop上的数据管理/分析框架；
• Damballa Parkour ：用于Clojure的MapReduce库；
• Datasalt Pangool ：可选择的MapReduce范例；
• DataTorrent StrAM ：为实时引擎，用于以尽可能畅通的方式、最小的开支和对性能最小的影响，实现分布式、异步、实时的内存大数据计算；
• Facebook Corona ：为Hadoop做优化处理，从而消除单点故障；
• Facebook Peregrine ：MapReduce框架；
• Facebook Scuba ：分布式内存数据存储；
• Google Dataflow ：创建数据管道，以帮助其分析框架；
• Netflix PigPen ：为MapReduce，用于编译成Apache Pig；
• Nokia Disco ：由Nokia开发的MapReduc获取、转换和分析数据；
• Google MapReduce ：MapReduce框架；
• Google MillWheel ：容错流处理框架；
• JAQL ：用于处理结构化、半结构化和非结构化数据工作的声明性编程语言；
• Kite ：为一组库、工具、实例和文档集，用于使在Hadoop的生态系统上建立系统更加容易；
• Metamarkets Druid ：用于大数据集的实时e框架；
• Onyx ：分布式云计算；
• Pinterest Pinlater ：异步任务执行系统；
• Pydoop ：用于Hadoop的Python MapReduce和HDFS API；
• Rackerlabs Blueflood ：多租户分布式测度处理系统；
• Stratosphere ：通用集群计算框架；
• Streamdrill ：用于计算基于不同时间窗口的事件流的活动，并找到最活跃的一个；
• Tuktu ：易于使用的用于分批处理和流计算的平台，通过Scala、 Akka和Play所建；
• Twitter Scalding：基于Cascading，用于Map Reduce工作的Scala库；
• Twitter Summingbird ：在Twitter上使用Scalding和Storm串流MapReduce；
• Twitter TSAR ：Twitter上的时间序列聚合器。

分布式文件系统

• Apache HDFS：在多台机器上存储大型文件的方式；
• BeeGFS：以前是FhGFS，并行分布式文件系统；
• Ceph Filesystem：设计的软件存储平台；
• Disco DDFS：分布式文件系统；
• Facebook Haystack：对象存储系统；
• Google Colossus：分布式文件系统(GFS2)；
• Google GFS：分布式文件系统；
• Google Megastore：可扩展的、高度可用的存储；
• GridGain：兼容GGFS、Hadoop内存的文件系统；
• Lustre file system：高性能分布式文件系统；
• Quantcast File System QFS：开源分布式文件系统；
• Red Hat GlusterFS：向外扩展的附网存储（Network-attached Storage）文件系统；
• Seaweed-FS：简单的、高度可扩展的分布式文件系统；
• Alluxio：以可靠的存储速率在跨集群框架上文件共享；
• Tahoe-LAFS：分布式云存储系统；

文件数据模型

• Actian Versant：商用的面向对象数据库管理系统；
• Crate Data：是一个开源的大规模可扩展的数据存储，需要零管理模式；
• Facebook Apollo：Facebook的Paxos算法，类似于NoSQL数据库；
• jumboDB：基于Hadoop的面向文档的数据存储；
• LinkedIn Espresso：可横向扩展的面向文档的NoSQL数据存储；
• MarkLogic：模式不可知的企业版NoSQL数据库技术；
• MongoDB：面向文档的数据库系统；
• RavenDB：一个事务性的，开源文档数据库；
• RethinkDB：支持连接查询和群组依据等查询的文档型数据库。

Key Map 数据模型

注意：业内存在一些术语混乱，有两个不同的东西都叫做“列式数据库”。这里列出的有一些是围绕“key-map”数据模型而建的分布式、持续型数据库，其中所有的数据都有（可能综合了）键，并与映射中的键-值对相关联。在一些系统中，多个这样的值映射可以与键相关联，并且这些映射被称为“列族”（具有映射值的键被称为“列”）。

另一组也可称为“列式数据库”的技术因其存储数据的方式而有别于前一组，它在磁盘上或在存储器中——而不是以传统方式，即所有既定键的键值都相邻着、逐行存储。这些系统也彼此相邻来存储所有列值，但是要得到给定列的所有值却不需要以前那么繁复的工作。

前一组在这里被称为“key map数据模型”，这两者和Key-value 数据模型之间的界限是相当模糊的。后者对数据模型有更多的存储格式，可在列式数据库中列出。若想了解更多关于这两种模型的区分，可阅读Daniel Abadi的博客：Distinguishing two major types of Column Stores。

• Apache Accumulo：内置在Hadoop上的分布式键/值存储；
• Apache Cassandra：由BigTable授权，面向列的分布式数据存储；
• Apache HBase：由BigTable授权，面向列的分布式数据存储；
• Facebook HydraBase：Facebook所开发的HBase的衍化品；
• Google BigTable：面向列的分布式数据存储；
• Google Cloud Datastore：为完全管理型的无模式数据库，用于存储在BigTable上非关系型数据；
• Hypertable：由BigTable授权，面向列的分布式数据存储；
• InfiniDB：通过MySQL的接口访问，并使用大规模并行处理进行并行查询；
• Tephra：用于HBase处理；
• Twitter Manhattan：Twitter的实时、多租户分布式数据库。

键-值数据模型

• Aerospike：支持NoSQL的闪存优化，数据存储在内存。开源，“’C’（不是Java或Erlang）中的服务器代码可精确地调整从而避免上下文切换和内存拷贝”。
• Amazon DynamoDB：分布式键/值存储，Dynamo论文的实现；
• Edis：为替代Redis的协议兼容的服务器；
• ElephantDB：专门研究Hadoop中数据导出的分布式数据库；
• EventStore：分布式时间序列数据库；
• GridDB：适用于存储在时间序列中的传感器数据；
• LinkedIn Krati：简单的持久性数据存储，拥有低延迟和高吞吐量；
• Linkedin Voldemort：分布式键/值存储系统；
• Oracle NoSQL Database：Oracle公司开发的分布式键值数据库；
• Redis：内存中的键值数据存储；
• Riak：分散式数据存储；
• Storehaus：Twitter开发的异步键值存储的库；
• Tarantool：一个高效的NoSQL数据库和Lua应用服务器；
• TiKV：由Google Spanner和HBase授权，Rust提供技术支持的分布式键值数据库；
• TreodeDB：可复制、共享的键-值存储，能提供多行原子写入。

图形数据模型

• Apache Giraph：基于Hadoop的Pregel实现；
• Apache Spark Bagel：可实现Pregel，为Spark的一部分；
• ArangoDB：多层模型分布式数据库；
• DGraph：一个可扩展的、分布式、低时延、高吞吐量的图形数据库，旨在为Google生产水平规模和吞吐量提供足够的低延迟，用于TB级的结构化数据的实时用户查询；
• Facebook TAO：TAO是facebook广泛用来存储和服务于社交图形的分布式数据存储；
• GCHQ Gaffer：GCHQ中的Gaffer是一个易于存储大规模图形的框架，其中节点和边缘都有统计数据；
• Google Cayley：开源图形数据库；
• Google Pregel ：图形处理框架；
• GraphLab PowerGraph：核心C ++ GraphLab API和建立在GraphLab API之上的高性能机器学习和数据挖掘工具包的集合；
• GraphX：Spark中的弹性分布式图形系统；
• Gremlin：图形追踪语言；
• Infovore：以RDF为中心的Map / Reduce框架；
• Intel GraphBuilder：在Hadoop上构建大规模图形的工具；
• MapGraph：用于在GPU上大规模并行图形处理；
• Neo4j：完全用Java写入的图形数据库；
• OrientDB：文档和图形数据库；
• Phoebus：大型图形处理框架；
• Titan：建于Cassandra的分布式图形数据库；
• Twitter FlockDB：分布式图形数据库。

NewSQL数据库

• Actian Ingres：由商业支持，开源的SQL关系数据库管理系统；
• Amazon RedShift：基于PostgreSQL的数据仓库服务；
• BayesDB：面向统计数值的SQL数据库；
• CitusDB：通过分区和复制横向扩展PostgreSQL；
• Cockroach：可扩展、地址可复制、交易型的数据库；
• Datomic：旨在产生可扩展、灵活的智能应用的分布式数据库；
• FoundationDB：由F1授意的分布式数据库；
• Google F1：建立在Spanner上的分布式SQL数据库；
• Google Spanner：全球性的分布式半关系型数据库；
• H-Store：是一个实验性主存并行数据库管理系统，用于联机事务处理（OLTP）应用的优化；
• Haeinsa：基于Percolator，HBase的线性可扩展多行多表交易库；
• HandlerSocket：MySQL/MariaDB的NoSQL插件；
• InfiniSQL：无限可扩展的RDBMS；
• MemSQL：内存中的SQL数据库，其中有优化的闪存列存储；
• NuoDB：SQL / ACID兼容的分布式数据库；
• Oracle TimesTen in-Memory Database：内存中具有持久性和可恢复性的关系型数据库管理系统；
• Pivotal GemFire XD：内存中低延时的分布式SQL数据存储，可为内存列表数据提供SQL接口，在HDFS中较持久化；
• SAP HANA：是在内存中面向列的关系型数据库管理系统；
• SenseiDB：分布式实时半结构化的数据库；
• Sky：用于行为数据的灵活、高性能分析的数据库；
• SymmetricDS：用于文件和数据库同步的开源软件；
• Map-D：为GPU内存数据库，也为大数据分析和可视化平台；
• TiDB：TiDB是分布式SQL数据库，基于谷歌F1的设计灵感；
• VoltDB：自称为最快的内存数据库。

列式数据库

注意：请在键-值数据模型 阅读相关注释。

• Columnar Storage：解释什么是列存储以及何时会需要用到它；
• Actian Vector：面向列的分析型数据库；
• C-Store：面向列的DBMS；
• MonetDB：列存储数据库；
• Parquet：Hadoop的列存储格式；
• Pivotal Greenplum：专门设计的、专用的分析数据仓库，类似于传统的基于行的工具，提供了一个列式工具；
• Vertica：用来管理大规模、快速增长的大量数据，当用于数据仓库时，能够提供非常快的查询性能；
• Google BigQuery ：谷歌的云产品，由其在Dremel的创始工作提供支持；
• Amazon Redshift ：亚马逊的云产品，它也是基于柱状数据存储后端。

时间序列数据库

• Cube：使用MongoDB来存储时间序列数据；
• Axibase Time Series Database：在HBase之上的分布式时间序列数据库，它包括内置的Rule Engine、数据预测和可视化；
• Heroic：基于Cassandra和Elasticsearch的可扩展的时间序列数据库；
• InfluxDB：分布式时间序列数据库；
• Kairosdb：类似于OpenTSDB但会考虑到Cassandra；
• OpenTSDB：在HBase上的分布式时间序列数据库；
• Prometheus：一种时间序列数据库和服务监测系统；
• Newts：一种基于Apache Cassandra的时间序列数据库。

类SQL处理

• Actian SQL for Hadoop：高性能交互式的SQL，可访问所有的Hadoop数据；
• Apache Drill：由Dremel授意的交互式分析框架；
• Apache HCatalog：Hadoop的表格和存储管理层；
• Apache Hive：Hadoop的类SQL数据仓库系统；
• Apache Optiq：一种框架，可允许高效的查询翻译，其中包括异构性及联合性数据的查询；
• Apache Phoenix：Apache Phoenix 是 HBase 的 SQL 驱动；
• Cloudera Impala：由Dremel授意的交互式分析框架；
• Concurrent Lingual：Cascading中的类SQL查询语言；
• Datasalt Splout SQL：用于大数据集的完整的SQL查询工具；
• Facebook PrestoDB：分布式SQL查询工具；
• Google BigQuery：交互式分析框架，Dremel的实现；
• Pivotal HAWQ：Hadoop的类SQL的数据仓库系统；
• RainstorDB：用于存储大规模PB级结构化和半结构化数据的数据库；
• Spark Catalyst：用于Spark和Shark的查询优化框架；
• SparkSQL：使用Spark操作结构化数据；
• Splice Machine：一个全功能的Hadoop上的SQL RDBMS，并带有ACID事务；
• Stinger：用于Hive的交互式查询；
• Tajo：Hadoop的分布式数据仓库系统；
• Trafodion：为企业级的SQL-on-HBase针对大数据的事务或业务工作负载的解决方案。

数据摄取

• Amazon Kinesis：大规模数据流的实时处理；
• Apache Chukwa：数据采集系统；
• Apache Flume：管理大量日志数据的服务；
• Apache Kafka：分布式发布-订阅消息系统；
• Apache Sqoop：在Hadoop和结构化的数据存储区之间传送数据的工具；
• Cloudera Morphlines：帮助 Solr、HBase和HDFS完成ETL的框架；
• Facebook Scribe：流日志数据聚合器；
• Fluentd：采集事件和日志的工具；
• Google Photon：实时连接多个数据流的分布式计算机系统，具有高可扩展性和低延迟性；
• Heka：开源流处理软件系统；
• HIHO：用Hadoop连接不同数据源的框架；
• Kestrel：分布式消息队列系统；
• LinkedIn Databus：对数据库更改捕获的事件流；
• LinkedIn Kamikaze：压缩已分类整型数组的程序包；
• LinkedIn White Elephant：日志聚合器和仪表板；
• Logstash：用于管理事件和日志的工具；
• Netflix Suro：像基于Chukwa 的Storm和Samza一样的日志聚合器；
• Pinterest Secor：是实现Kafka日志持久性的服务；
• Linkedin Gobblin：LinkedIn的通用数据摄取框架；
• Skizze：是一种数据存储略图，使用概率性数据结构来处理计数、略图等相关的问题；
• StreamSets Data Collector：连续大数据采集的基础设施，可简单地使用IDE。

服务编程

• Akka Toolkit：JVM中分布性、容错事件驱动应用程序的运行时间；
• Apache Avro：数据序列化系统；
• Apache Curator：Apache ZooKeeper的Java库；
• Apache Karaf：在任何OSGi框架之上运行的OSGi运行时间；
• Apache Thrift：构建二进制协议的框架；
• Apache Zookeeper：流程管理集中式服务；
• Google Chubby：一种松耦合分布式系统锁服务；
• Linkedin Norbert：集群管理器；
• OpenMPI：消息传递框架；
• Serf：服务发现和协调的分散化解决方案；
• Spotify Luigi：一种构建批处理作业的复杂管道的Python包，它能够处理依赖性解析、工作流管理、可视化、故障处理、命令行一体化等等问题；
• Spring XD：数据摄取、实时分析、批量处理和数据导出的分布式、可扩展系统；
• Twitter Elephant Bird：LZO压缩数据的工作库；
• Twitter Finagle：JVM的异步网络堆栈。

调度

• Apache Aurora：在Apache Mesos之上运行的服务调度程序；
• Apache Falcon：数据管理框架；
• Apache Oozie：工作流作业调度程序；
• Chronos：分布式容错调度；
• Linkedin Azkaban：批处理工作流作业调度；
• Schedoscope：Hadoop作业敏捷调度的Scala DSL；
• Sparrow：调度平台；
• Airflow：一个以编程方式编写、调度和监控工作流的平台。

机器学习

• Apache Mahout：Hadoop的机器学习库；
• brain：JavaScript中的神经网络；
• Cloudera Oryx：实时大规模机器学习；
• Concurrent Pattern：Cascading的机器学习库；
• convnetjs：Javascript中的机器学习，在浏览器中训练卷积神经网络（或普通网络）；
• Decider：Ruby中灵活、可扩展的机器学习；
• ENCOG：支持多种先进算法的机器学习框架，同时支持类的标准化和处理数据；
• etcML：机器学习文本分类；
• Etsy Conjecture：Scalding中可扩展的机器学习；
• Google Sibyl：Google中的大规模机器学习系统；
• GraphLab Create：Python的机器学习平台，包括ML工具包、数据工程和部署工具的广泛集合；
• H2O：Hadoop统计性的机器学习和数学运行时间；
• MLbase：用于BDAS堆栈的分布式机器学习库；
• MLPNeuralNet：针对iOS和Mac OS X的快速多层感知神经网络库；
• MonkeyLearn：使文本挖掘更为容易，从文本中提取分类数据；
• nupic：智能计算的Numenta平台，它是一个启发大脑的机器智力平台，基于皮质学习算法的精准的生物神经网络；
• PredictionIO：建于Hadoop、Mahout和Cascading上的机器学习服务器；
• SAMOA：分布式流媒体机器学习框架；
• scikit-learn：scikit-learn为Python中的机器学习；
• Spark MLlib：Spark中一些常用的机器学习（ML）功能的实现；
• Vowpal Wabbit：微软和雅虎发起的学习系统；
• WEKA：机器学习软件套件；
• BidMach：CPU和加速GPU的机器学习库。

基准测试

• Apache Hadoop Benchmarking：测试Hadoop性能的微基准；
• Berkeley SWIM Benchmark：现实大数据工作负载基准测试；
• Intel HiBench：Hadoop基准测试套件；
• PUMA Benchmarking：MapReduce应用的基准测试套件；
• Yahoo Gridmix3：雅虎工程师团队的Hadoop集群基准测试。

安全性

• Apache Knox Gateway：Hadoop集群安全访问的单点；
• Apache Sentry：存储在Hadoop的数据安全模块。

系统部署

• Apache Ambari：Hadoop管理的运作框架；
• Apache Bigtop：Hadoop生态系统的部署框架；
• Apache Helix：集群管理框架；
• Apache Mesos：集群管理器；
• Apache Slider：一种YARN应用，用来部署YARN中现有的分布式应用程序；
• Apache Whirr：运行云服务的库集；
• Apache YARN：集群管理器；
• Brooklyn：用于简化应用程序部署和管理的库；
• Buildoop：基于Groovy语言，和Apache BigTop类似；
• Cloudera HUE：和Hadoop进行交互的Web应用程序；
• Facebook Prism：多数据中心复制系统；
• Google Borg：作业调度和监控系统；
• Google Omega：作业调度和监控系统；
• Hortonworks HOYA：可在YARN上部署HBase集群的应用；
• Marathon：用于长期运行服务的Mesos框架。

应用程序

• Adobe spindle：使用Scala、Spark和Parquet处理的下一代web分析；
• Apache Kiji：基于HBase，实时采集和分析数据的框架；
• Apache Nutch：开源网络爬虫；
• Apache OODT：用于NASA科学档案中数据的捕获、处理和共享；
• Apache Tika：内容分析工具包；
• Argus：时间序列监测和报警平台；
• Countly：基于Node.js和MongoDB，开源的手机和网络分析平台；
• Domino：运行、规划、共享和部署模型——没有任何基础设施；
• Eclipse BIRT：基于Eclipse的报告系统；
• Eventhub：开源的事件分析平台；
• Hermes：建于Kafka上的异步消息代理；
• HIPI Library：在Hadoop’s MapReduce上执行图像处理任务的API；
• Hunk：Hadoop的Splunk分析；
• Imhotep：大规模分析平台；
• MADlib：RDBMS的用于数据分析的数据处理库；
• Kylin：来自eBay的开源分布式分析工具；
• PivotalR：Pivotal HD / HAWQ和PostgreSQL中的R；
• Qubole：为自动缩放Hadoop集群，内置的数据连接器；
• Sense：用于数据科学和大数据分析的云平台；
• SnappyData：用于实时运营分析的分布式内存数据存储，提供建立在Spark单一集成集群中的数据流分析、OLTP（联机事务处理）和OLAP（联机分析处理）；
• Snowplow：企业级网络和事件分析，由Hadoop、Kinesis、Redshift 和Postgres提供技术支持；
• SparkR：Spark的R前端；
• Splunk：用于机器生成的数据的分析；
• Sumo Logic：基于云的分析仪，用于分析机器生成的数据；
• Talend：用于YARN、Hadoop、HBASE、Hive、HCatalog和Pig的统一开源环境；
• Warp：利用大数据（OS X app）的实例查询工具。

搜索引擎与框架

• Apache Lucene：搜索引擎库；
• Apache Solr：用于Apache Lucene的搜索平台；
• ElasticSearch：基于Apache Lucene的搜索和分析引擎；
• Enigma.io：为免费增值的健壮性web应用，用于探索、筛选、分析、搜索和导出来自网络的大规模数据集；
• Facebook Unicorn：社交图形搜索平台；
• Google Caffeine：连续索引系统；
• Google Percolator：连续索引系统；
• TeraGoogle：大型搜索索引；
• HBase Coprocessor：为Percolator的实现，HBase的一部分；
• Lily HBase Indexer：快速、轻松地搜索存储在HBase的任何内容；
• LinkedIn Bobo：完全由Java编写的分面搜索的实现，为Apache Lucene的延伸；
• LinkedIn Cleo：为一个一个灵活的软件库，使得局部、无序、实时预输入的搜索实现了快速发展；
• LinkedIn Galene：LinkedIn搜索架构；
• LinkedIn Zoie：是用Java编写的实时搜索/索引系统；
• Sphinx Search Server：全文搜索引擎

MySQL的分支和演化

• Amazon RDS：亚马逊云的MySQL数据库；
• Drizzle：MySQL的6.0的演化；
• Google Cloud SQL：谷歌云的MySQL数据库；
• MariaDB：MySQL的增强版嵌入式替代品；
• MySQL Cluster：使用NDB集群存储引擎的MySQL实现；
• Percona Server：MySQL的增强版嵌入式替代品；
• ProxySQL：MySQL的高性能代理；
• TokuDB：用于MySQL和 MariaDB的存储引擎；
• WebScaleSQL：运行MySQL时面临类似挑战的几家公司，它们的工程师之间的合作。

PostgreSQL的分支和演化

• Yahoo Everest – multi-peta-byte database / MPP derived by PostgreSQL.
• HadoopDB：MapReduce和DBMS的混合体；
• IBM Netezza：高性能数据仓库设备；
• Postgres-XL：基于PostgreSQL，可扩展的开源数据库集群；
• RecDB：完全建立在PostgreSQL内部的开源推荐引擎；
• Stado：开源MPP数据库系统，只针对数据仓库和数据集市的应用程序；
• Yahoo Everest：PostgreSQL可以推导多字节P比特数据库/MPP。

Memcached的分支和演化

• Facebook McDipper：闪存的键/值缓存；
• Facebook Memcached：Memcache的分支；
• Twemproxy：Memcached和Redis的快速、轻型代理；
• Twitter Fatcache：闪存的键/值缓存；
• Twitter Twemcache：Memcache的分支。

嵌入式数据库

• Actian PSQL：Pervasive Software公司开发的ACID兼容的DBMS，在应用程序中嵌入了优化；
• BerkeleyDB：为键/值数据提供一个高性能的嵌入式数据库的一个软件库；
• HanoiDB：Erlang LSM BTree存储；
• LevelDB：谷歌写的一个快速键-值存储库，它提供了从字符串键到字符串值的有序映射；
• LMDB：Symas开发的超快、超紧凑的键-值嵌入的式数据存储；
• RocksDB：基于性LevelDB，用于快速存储的嵌入式持续性键-值存储。

商业智能

• BIME Analytics：商业智能云平台；
• Chartio：精益业务智能平台，用于可视化和探索数据；
• datapine：基于云的自助服务商业智能工具；
• Jaspersoft：功能强大的商业智能套件；
• Jedox Palo：定制的商业智能平台；
• Microsoft：商业智能软件和平台；
• Microstrategy：商业智能、移动智能和网络应用软件平台；
• Pentaho：商业智能平台；
• Qlik：商业智能和分析平台；
• FineBI：大数据BI分析平台；
• Saiku：开源的分析平台；
• SpagoBI：开源商业智能平台；
• Tableau：商业智能平台；
• Zoomdata：大数据分析；
• Jethrodata：交互式大数据分析。

数据可视化

• Airpal：用于PrestoDB的网页UI；
• Arbor：利用网络工作者和jQuery的图形可视化库；
• Banana：对存储在Kibana中Solr. Port的日志和时戳数据进行可视化；
• Bokeh：一个功能强大的Python交互式可视化库，它针对要展示的现代web浏览器，旨在为D3.js风格的新奇的图形提供优雅简洁的设计，同时在大规模数据或流数据集中，通过高性能交互性来表达这种能力；
• C3：基于D3可重复使用的图表库；
• CartoDB：开源或免费增值的虚拟主机，用于带有强大的前端编辑功能和API的地理空间数据库；
• chartd：只带Img标签的反应灵敏、兼容Retina的图表；
• Chart.js：开源的HTML5图表可视化效果；
• Chartist.js：另一个开源HTML5图表可视化效果；
• Crossfilter：JavaScript库，用于在浏览器中探索多元大数据集，用Dc.js和D3.js.效果很好；
• Cubism：用于时间序列可视化的JavaScript库；
• Cytoscape：用于可视化复杂网络的JavaScript库；
• DC.js：维度图表，和Crossfilter一起使用，通过D3.js呈现出来，它比较擅长连接图表/附加的元数据，从而徘徊在D3的事件附近；
• D3：操作文件的JavaScript库；
• D3.compose：从可重复使用的图表和组件构成复杂的、数据驱动的可视化；
• D3Plus：一组相当强大的可重用的图表，还有D3.js的样式；
• Echarts：百度企业场景图表；
• Envisionjs：动态HTML5可视化；
• FnordMetric：写SQL查询，返回SVG图表，而不是表；
• Freeboard：针对IOT和其他Web混搭的开源实时仪表盘构建；
• Gephi：屡获殊荣的开源平台，可视化和操纵大型图形和网络连接，有点像Photoshop，但是针对于图表，适用于Windows和Mac OS X；
• Google Charts：简单的图表API；
• Grafana：石墨仪表板前端、编辑器和图形组合器；
• Graphite：可扩展的实时图表；
• Highcharts：简单而灵活的图表API；
• IPython：为交互式计算提供丰富的架构；
• Kibana：可视化日志和时间标记数据；
• Matplotlib：Python绘图；
• Metricsgraphic.js：建立在D3之上的库，针对时间序列数据进行最优化；
• NVD3：d3.js的图表组件；
• Peity：渐进式SVG条形图，折线和饼图；
• Plot.ly：易于使用的Web服务，它允许快速创建从热图到直方图等复杂的图表，使用图表Plotly的在线电子表格上传数据进行创建和设计；
• Plotly.js：支持plotly的开源JavaScript图形库；
• Recline：简单但功能强大的库，纯粹利用JavaScript和HTML构建数据应用；
• Redash：查询和可视化数据的开源平台；
• Shiny：针对R的Web应用程序框架；
• Sigma.js：JavaScript库，专门用于图形绘制；
• Vega：一个可视化语法；
• Zeppelin：一个笔记本式的协作数据分析；
• Zing Charts：用于大数据的JavaScript图表库。

物联网和传感器

• TempoIQ：基于云的传感器分析；
• 2lemetry：物联网平台；
• Pubnub：数据流网络；
• ThingWorx：ThingWorx 是让企业快速创建和运行互联应用程序平台；
• IFTTT：IFTTT 是一个被称为 “网络自动化神器” 的创新型互联网服务，它的全称是 If this then that，意思是“如果这样，那么就那样”；
• Evrythng：Evrythng则是一款真正意义上的大众物联网平台，使得身边的很多产品变得智能化。

文章推荐

• NoSQL Comparison（NoSQL 比较）- Cassandra vs MongoDB vs CouchDB vs Redis vs Riak vs HBase vs Couchbase vs Neo4j vs Hypertable vs ElasticSearch vs Accumulo vs VoltDB vs Scalaris comparison；
• Big Data Benchmark（大数据基准）- Redshift, Hive, Shark, Impala and Stiger/Tez的基准；
• The big data successor of the spreadsheet（电子表格的大数据继承者） – 电子表格的继承者应该是大数据。

论文

2015 – 2016

• 2015 – Facebook – One Trillion Edges: Graph Processing at Facebook-Scale.（一兆边：Facebook规模的图像处理）

2013 – 2014

• 2014 – Stanford – Mining of Massive Datasets.（海量数据集挖掘）
• 2013 – AMPLab – Presto: Distributed Machine Learning and Graph Processing with Sparse Matrices. （Presto： 稀疏矩阵的分布式机器学习和图像处理）
• 2013 – AMPLab – MLbase: A Distributed Machine-learning System. （MLbase：分布式机器学习系统）
• 2013 – AMPLab – Shark: SQL and Rich Analytics at Scale. （Shark: 大规模的SQL 和丰富的分析）
• 2013 – AMPLab – GraphX: A Resilient Distributed Graph System on Spark. （GraphX:基于Spark的弹性分布式图计算系统）
• 2013 – Google – HyperLogLog in Practice: Algorithmic Engineering of a State of The Art Cardinality Estimation Algorithm. （HyperLogLog实践:一个艺术形态的基数估算算法）
• 2013 – Microsoft – Scalable Progressive Analytics on Big Data in the Cloud.（云端大数据的可扩展性渐进分析）
• 2013 – Metamarkets – Druid: A Real-time Analytical Data Store. （Druid：实时分析数据存储）
• 2013 – Google – Online, Asynchronous Schema Change in F1.（F1中在线、异步模式的转变）
• 2013 – Google – F1: A Distributed SQL Database That Scales. （F1: 分布式SQL数据库）
• 2013 – Google – MillWheel: Fault-Tolerant Stream Processing at Internet Scale.（MillWheel: 互联网规模下的容错流处理）
• 2013 – Facebook – Scuba: Diving into Data at Facebook. （Scuba: 深入Facebook的数据世界）
• 2013 – Facebook – Unicorn: A System for Searching the Social Graph. （Unicorn: 一种搜索社交图的系统）
• 2013 –Facebook – Scaling Memcache at Facebook. （Facebook 对 Memcache 伸缩性的增强）

2011 – 2012

• 2012 – Twitter – The Unified Logging Infrastructure for Data Analytics at Twitter. （Twitter数据分析的统一日志基础结构）
• 2012 – AMPLab –Blink and It’s Done: Interactive Queries on Very Large Data. （Blink及其完成：超大规模数据的交互式查询）
• 2012 – AMPLab –Fast and Interactive Analytics over Hadoop Data with Spark. （Spark上 Hadoop数据的快速交互式分析）
• 2012 – AMPLab –Shark: Fast Data Analysis Using Coarse-grained Distributed Memory. （Shark：使用粗粒度的分布式内存快速数据分析）
• 2012 – Microsoft –Paxos Replicated State Machines as the Basis of a High-Performance Data Store. （Paxos的复制状态机——高性能数据存储的基础）
• 2012 – Microsoft –Paxos Made Parallel. （Paxos算法实现并行）
• 2012 – AMPLab – BlinkDB：BlinkDB: Queries with Bounded Errors and Bounded Response Times on Very Large Data.（超大规模数据中有限误差与有界响应时间的查询）
• 2012 – Google –Processing a trillion cells per mouse click.（每次点击处理一兆个单元格）
• 2012 – Google –Spanner: Google’s Globally-Distributed Database.（Spanner：谷歌的全球分布式数据库）
• 2011 – AMPLab –Scarlett: Coping with Skewed Popularity Content in MapReduce Clusters.（Scarlett：应对MapReduce集群中的偏向性内容）
• 2011 – AMPLab –Mesos: A Platform for Fine-Grained Resource Sharing in the Data Center.（Mesos：数据中心中细粒度资源共享的平台）
• 2011 – Google –Megastore: Providing Scalable, Highly Available Storage for Interactive Services.（Megastore：为交互式服务提供可扩展，高度可用的存储）

2001 – 2010

• 2010 – Facebook – Finding a needle in Haystack: Facebook’s photo storage.（探究Haystack中的细微之处： Facebook图片存储）
• 2010 – AMPLab – Spark: Cluster Computing with Working Sets.（Spark:工作组上的集群计算）
• 2010 – Google – Storage Architecture and Challenges.（存储架构与挑战）
• 2010 – Google – Pregel: A System for Large-Scale Graph Processing.（Pregel: 一种大型图形处理系统）
• 2010 – Google – Large-scale Incremental Processing Using Distributed Transactions and Notifications base of Percolator and Caffeine.（使用基于Percolator 和 Caffeine平台分布式事务和通知的大规模增量处理）
• 2010 – Google – Dremel: Interactive Analysis of Web-Scale Datasets.（Dremel: Web规模数据集的交互分析）
• 2010 – Yahoo – S4: Distributed Stream Computing Platform.（S4:分布式流计算平台）
• 2009 – HadoopDB：An Architectural Hybrid of MapReduce and DBMS Technologies for Analytical Workloads.（混合MapReduce和DBMS技术用于分析工作负载的的架构）
• 2008 – AMPLab – Chukwa: A large-scale monitoring system.（Chukwa: 大型监控系统）
• 2007 – Amazon – Dynamo: Amazon’s Highly Available Key-value Store.（Dynamo: 亚马逊的高可用的关键价值存储）
• 2006 – Google – The Chubby lock service for loosely-coupled distributed systems.（面向松散耦合的分布式系统的锁服务）
• 2006 – Google – Bigtable: A Distributed Storage System for Structured Data.（Bigtable: 结构化数据的分布式存储系统）
• 2004 – Google – MapReduce: Simplied Data Processing on Large Clusters.（MapReduce: 大型集群上简化数据处理）
• 2003 –Google– The Google File System.（谷歌文件系统）

数据可视化

• 数据可视化之美
• Noah Iliinsky的数据可视化设计
• Hans Rosling’s 200 Countries, 200 Years, 4 Minutes
• 冰桶挑战的数据可视化

文章源自：
史上最全的“大数据”学习资源-博客-云栖社区-阿里云

往期文章推荐：

一文读懂大数据平台–写给大数据开发初学者的话!

稳定和性能如何兼顾？58大数据平台的技术演进与实践