认识达内从这里开始

认真做教育专心促就业

给 Java 开发者的 10 个大数据工具和框架

发布：互联网
来源：互联网
时间：2017-05-25 13:52

当今IT开发人员面对的最大挑战就是复杂性,硬件越来越复杂,OS越来越复杂,编程语言和API越来越复杂,我们构建的应用也越来越复杂.根据外媒的一项调查报告,达内培训小编列出了Java程序员在过去12个月内一直使用的一些工具或框架,或许会对你有意义.

    先来看看大数据的概念.根据维基百科,大数据是庞大或复杂的数据集的广义术语,因此传统的数据处理程序不足以支持如此庞大的体量.

    在许多情况下,使用SQL数据库存储/检索数据都是很好的选择.而现如今的很多情况下,它都不再能满足我们的目的,这一切都取决于用例的变化.

    现在来讨论一些不同的非SQL存储/处理数据工具,例如,NoSQL数据库,全文搜索引擎,实时流式处理,图形数据库等.

    1、MongoDB--最受欢迎的,跨平台的,面向文档的数据库.

    MongoDB是一个基于分布式文件存储的数据库,使用C++语言编写.旨在为Web应用提供可扩展的高性能数据存储解决方案.应用性能高低依赖于数据库性能,MongoDB则是非关系数据库中功能最丰富,最像关系数据库的,随着MongDB 3.4版本发布,其应用场景适用能力得到了进一步拓展.

    MongoDB的核心优势就是灵活的文档模型、高可用复制集、可扩展分片集群.你可以试着从几大方面了解MongoDB,如实时监控MongoDB工具、内存使用量和页面错误、连接数、数据库操作、复制集等.

    2、Elasticsearch --为云构建的分布式RESTful搜索引擎.

    ElasticSearch是基于Lucene的搜索服务器.它提供了分布式多用户能力的全文搜索引擎,基于RESTful web接口.Elasticsearch是用Java开发的,并作为Apache许可条款下的开放源码发布,是比较流行的企业级搜索引擎.

    ElasticSearch不仅是一个全文本搜索引擎,还是一个分布式实时文档存储,其中每个field均是被索引的数据且可被搜索;也是一个带实时分析功能的分布式搜索引擎,并且能够扩展至数以百计的服务器存储及处理PB级的数据.ElasticSearch在底层利用Lucene完成其索引功能,因此其许多基本概念源于Lucene.

    3、Cassandra--开源分布式数据库管理系统.

    最初是由Facebook开发的,旨在处理许多商品服务器上的大量数据,提供高可用性,没有单点故障.

    Apache Cassandra是一套开源分布式NoSQL数据库系统.集Google BigTable的数据模型与Amazon Dynamo的完全分布式架构于一身.于2008开源,此后,由于Cassandra良好的可扩展性,被Digg、Twitter等Web 2.0网站所采纳,成为了一种流行的分布式结构化数据存储方案.

    因Cassandra是用Java编写的,所以理论上在具有JDK6及以上版本的机器中都可以运行,官方测试的JDK还有OpenJDK 及Sun的JDK. Cassandra的操作命令,类似于我们平时操作的关系数据库,对于熟悉MySQL的朋友来说,操作会很容易上手.

    4、Redis --开源(BSD许可)内存数据结构存储,用作数据库,缓存和消息代理.

    Redis是一个开源的使用ANSI C语言编写的、支持网络、可基于内存亦可持久化的日志型、Key-Value数据库,并提供多种语言的API.Redis 有三个主要使其有别于其它很多竞争对手的特点:Redis是完全在内存中保存数据的数据库,使用磁盘只是为了持久性目的; Redis相比许多键值数据存储系统有相对丰富的数据类型; Redis可以将数据复制到任意数

    5、Hazelcast --基于Java的开源内存数据网格.

    Hazelcast 是一种内存数据网格 in-memory data grid,提供Java程序员关键任务交易和万亿级内存应用.虽然Hazelcast没有所谓的"Master",但是仍然有一个Leader节点(the oldest member),这个概念与ZooKeeper中的Leader类似,但是实现原理却完全不同.同时,Hazelcast中的数据是分布式的,每一个member持有部分数据和相应的backup数据,这点也与ZooKeeper不同.

    Hazelcast的应用便捷性深受开发者喜欢,但如果要投入使用,还需要慎重考虑.达内培训小编还要提醒大家,做好备份哦.

    6、Ehcache--广泛使用的开源Java分布式缓存.

    主要面向通用缓存、Java EE和轻量级容器.

    EhCache 是一个纯Java的进程内缓存框架,具有快速、精干等特点,是hibernate中默认的CacheProvider.主要特性有:快速简单,具有多种缓存策略;缓存数据有两级,内存和磁盘,因此无需担心容量问题;缓存数据会在虚拟机重启的过程中写入磁盘;可以通过RMI、可插入API等方式进行分布式缓存;具有缓存和缓存管理器的侦听接口;支持多缓存管理器实例,以及一个实例的多个缓存区域;提供Hibernate的缓存实现.

    7、Hadoop --用Java编写的开源软件框架.

    用于分布式存储,并对非常大的数据用户可以在不了解分布式底层细节的情况下,开发分布式程序.充分利用集群进行高速运算和存储.Hadoop实现了一个分布式文件系统(Hadoop Distributed File System),简称HDFS.Hadoop的框架最核心的设计就是:HDFS和MapReduce.HDFS为海量的数据提供了存储,MapReduce则为海量的数据提供了计算.

    8、Solr --开源企业搜索平台,用Java编写,来自Apache Lucene项目.

    Solr是一个独立的企业级搜索应用服务器,它对外提供类似于Web-service的API接口.用户可以通过http请求,向搜索引擎服务器提交一定格式的XML文件,生成索引;也可以通过Http Get操作提出查找请求,并得到XML格式的返回结果.

    与ElasticSearch一样,同样是基于Lucene,但它对其进行了扩展,提供了比Lucene更为丰富的查询语言,同时实现了可配置、可扩展并对查询性能进行了优化.

    9、Spark --Apache Software Foundation中最活跃的项目,是一个开源集群计算框架.

    Spark 是一种与 Hadoop 相似的开源集群计算环境,但是两者之间还存在一些不同之处,这些不同之处使 Spark 在某些工作负载方面表现得更加优越,换句话说,Spark 启用了内存分布数据集,除了能够提供交互式查询外,它还可以优化迭代工作负载.

    Spark 是在 Scala 语言中实现的,它将 Scala 用作其应用程序框架.与 Hadoop 不同,Spark 和 Scala 能够紧密集成,其中的 Scala 可以像操作本地集合对象一样轻松地

    10、Memcached --通用分布式内存缓存系统.

    Memcached是一套分布式快取系统,当初是Danga Interactive为了LiveJournal所发展的,但被许多软件(如MediaWiki)所使用.Memcached作为高速运行的分布式缓存服务器,具有以下的特点:协议简单,基于libevent的事件处理,内置内存存储方式.

更多达内培训相关资讯,请扫描下方二维码.

达内培训