一 github相关资源收集

    • Apache Tez – 它是一个针对Hadoop数据处理应用程序的新分布式执行框架，该框架基于YARN；
    • SpatialHadoop – SpatialHadoop是Apache Hadoop的MapReduce扩展，专门用于处理空间数据；
    • GIS Tools for Hadoop –用于Hadoop框架的大数据空间分析；
    • Elasticsearch Hadoop – Elasticsearch与Hadoop深度集成，可用于实时搜索和分析，支持Map/Reduce、 Cascading、Apache Hive和Apache Pig；
    • dumbo - Python模块，使Hadoop程序的编写和运行更为容易；
    • hadoopy – 用Cython写的Python MapReduce库；
    • mrjob - mrjob是一个Python2.5+程序包，可以帮助编写和运行Hadoop工作流；
    • pydoop -为Hadoop提供Python API的程序包；
    • hdfs-du -Hadoop分布式文件系统（HDFS）的交互可视化；
    • White Elephant - Hadoop的日志聚合器和仪表板；
    • Genie - Genie提供REST-ful API，以便运行Hadoop、Hive和Pig jobs，还管理多个Hadoop资源，并在它们之间进行作业提交；
    • Apache Kylin –最初来自eBay公司的开源分布式分析引擎，能提供Hadoop之上的SQL查询接口及多维分析（OLAP），以支持超大规模数据集；
    • Crunch -基于Go的工具包，用于在Hadoop上的ETL和特征提取；
    • Apache Ignite -分布式内存平台。

    YARN

    • Apache Slider - Apache Slider是Apache软件基金会的孵化项目，旨在能够轻松地实现现有应用程序到YARN集群的部署；
    • Apache Twill - Apache Twill是Apache Hadoop® YARN的抽象层，降低了开发分布式应用程序的复杂度，让开发者更专注于自己的应用逻辑；
    • mpich2-yarn –在YARN上运行MPICH2。

    NoSQL

    • Apache HBase - Apache HBase；
    • Apache Phoenix – Hbase的SQL驱动，支持辅助索引；
    • happybase -一个开发者友好型的Python库，用于Apache HBase的交互；
    • Haeinsa –用于HBase的线性可扩展多行多表交易库；
    • hindex – Hbase的辅助索引；
    • Apache Accumulo - Apache Accumulo可排序分布式键/值存储，是一个强大的、可扩展高性能数据存储和检索
    • OpenTSDB -可扩展时间序列数据库；
    • Apache Cassandra
    • Apache Hive
    • Apache Phoenix - Hbase的SQL驱动，支持辅助索引；
    • Pivotal HAWQ – Hadoop上的并行数据库；
    • Lingual -用于级联的SQL接口（MR / TEZ工作发生器）；
    • Cloudera Impala
    • Presto –用于大数据的分布式SQL查询引擎，该查询引擎由Facebook开发，现已开源；
    • Apache Tajo - Apache Hadoop的数据仓库系统；
    • Apache Drill

    数据管理

    • Apache Calcite -动态数据管理框架；
    • Apache Atlas -用于元数据标记及类群捕获，支持复杂的商业数据分类。

    工作流，生命周期及管理

    • Apache Oozie - Apache Oozie；
    • Azkaban
    • Apache Falcon -数据管理与处理平台；
    • Apache NiFi -数据流系统；
    • AirFlow – AirFlow是以编程方式建立、调度和监控数据管道的平台；
    • Luigi - Python包，用于构建批处理作业的复杂管道。
    • Apache Flume - Apache Flume；
    • Suro - Netflix分布式数据管道；
    • Apache Sqoop - Apache Sqoop；
      Apache Kafka - Apache Kafka；
      Gobblin from LinkedIn – Hadoop的通用数据提取框架；

    DSL

    • Apache Pig - Apache Pig
    • Apache DataFu – Hadoop中用于处理大规模数据的库的集合；
    • vahara –基于Apache Pig的机器学习和自然语言处理；
    • packetpig -用于开源大数据安全性分析；
    • akela – Mozilla的实用工具库，用于Hadoop、HBase、Pig等等；
    • seqpig -Hadoop中用于大型定序数据集的简单可扩展脚本（bioinfomation除外）；
    • Lipstick – Pig工作流程可视化工具；A(pache)的Lipstick简介；
    • PigPen - PigPen 是Clojure或分布式Clojure的Map-reduce，能够编译Apache Pig，但是不需要过多了解Pig也可以使用PigPen。

    库和工具

    • Kite Software Development Kit –一组库、工具、示例和文档；
    • gohadoop - Apache Hadoop YARN的本地Go客户端；
    • Hue – 用Apache Hadoop分析数据的Web界面；
    • Apache Zeppelin -基于Web的笔记，可进行交互式数据分析；
    • Jumbune - Jumbune是为分析Hadoop集群和MapReduce作业而构建的开源产品；
    • Apache Thrift
    • Apache Avro - Apache Avro是一个数据序列化系统；
    • Elephant Bird – Twitter中LZO、缓冲协议相关的Hadoop、Pig、Hive和HBase代码的集合；
    • Spring for Apache Hadoop
    • Oozie Eclipse Plugin -Eclipse中用于编辑Apache Oozie工作流的图形编辑器。
    • Apache Storm
    • Apache Samza
    • Apache Spark
    • Apache Flink - Apache Flink是高效的分布式通用数据处理的平台，用于精准的流处理。

    分布式计算和编程

    • Spark Packages - Apache Spark中程序包的community（社区）索引；
    • SparkHub - Apache Spark的社区；
    • Apache Crunch
    • Cascading - Cascading是在Hadoop上构建数据应用的成熟的应用开发平台；
      • Apache Flink - Apache Flink是高效的分布式通用数据处理的平台；
      • Apache Apex (incubating) -企业级的统一流处理和批处理引擎。

    包装，配置与监测

    • Apache Bigtop - 用于Apache Hadoop生态系统的包装和测试；
    • Apache Ambari - Apache Ambari
    • Ganglia Monitoring System
    • ankush -一个大数据集群管理工具，用于创建和管理不同的技术集群；
    • Apache Zookeeper - Apache Zookeeper
    • Apache Curator - 用于ZooKeeper的客户端简化包装和丰富ZooKeeper框架；
    • Buildoop - Hadoop生态系统生成器；
    • Deploop - Hadoop的部署系统；
    • Jumbune -一个用于开源MapReduce分析，MapReduce流程调试，HDFS数据质量校验和Hadoop集群监测的工具；
    • inviso - Inviso是一个轻量级的工具，它提供搜索Hadoop作业，可视化性能，查看集群利用率的能力。

    搜索

    • ElasticSearch
    • SenseiDB
    • Apache Solr -开源、分布式、实时、半结构化的数据库；
    • Banana - Apache Solr的Kibana端口。
    • Apache Nutch –Apache Nutch是一个高度可扩展的，可伸缩的开源网络爬虫软件项目。

    安全性

    • Apache Ranger - Ranger是一个框架，能够跨Hadoop平台启用、监控和全面管理数据安全性；
    • Apache Sentry - Hadoop的一个授权模块；
    • Apache Knox Gateway –用于与Hadoop集群交互的REST API网关。

    基准

    • Big Data Benchmark
    • HiBench
    • Big-Bench
    • hive-benchmarks
    • hive-testbench –一个测试平台，用于进行任何规模数据的Apache Hive实验；
    • YCSB -雅虎云服务基准（YCSB）是一个开源规范和程序套件，用于评估计算机程序的检索和维护功能；它常被用于比较NoSQL数据库管理系统的相对性能。
    • Apache Mahout
    • Oryx 2 –基于Spark、Kafka的Lambda架构，用于实时大规模的机器学习；
    • MLlib - MLlib是Apache Spark的可扩展机器学习库；
    • R - R是用于统计计算和图形的自由软件环境；
    • RHadoop -包括RHDFS、RHBase、RMR2和plyrmr；
    • RHive –用于从R中开始Hive查询；

    Hive Plugins

    Storage Handler