關係數據庫管理系統(RDBMS)
MySQL：世界最流行的開源數據庫;
PostgreSQL：世界最先進的開源數據庫;
Oracle 數據庫：對象-關係型數據庫管理系統。
框架
Apache Hadoop：分佈式處理架構，結合了 MapReduce(並行處理)、YARN(作業調度)和HDFS(分佈式文件系統);
Tigon：高吞吐量實時流處理框架。
互聯網科技發展蓬勃興起，人工智能時代來臨，抓住下一個風口。為幫助那些往想互聯網方向轉行想學習，卻因為時間不夠，資源不足而放棄的人。我自己整理的一份最新的大數據進階資料和高級開發教程，大數據學習群： 740041381就可以找到組織學習 歡迎進階中和進想深入大數據的小夥伴加入
分佈式編程
AddThis Hydra ：最初在AddThis上開發的分佈式數據處理和存儲系統;
AMPLab SIMR：用在Hadoop MapReduce v1上運行Spark;
Apache Beam：為統一的模型以及一套用於定義和執行數據處理工作流的特定SDK語言;
Apache Crunch：一個簡單的Java API，用於執行在普通的MapReduce實現時比較單調的連接、數據聚合等任務;
Apache DataFu：由LinkedIn開發的針對Hadoop and 和Pig的用戶定義的函數集合;
Apache Flink：具有高性能的執行時間和自動程序優化;
Apache Gora：內存中的數據模型和持久性框架;
Apache Hama：BSP(整體同步並行)計算框架;
Apache MapReduce ：在集群上使用並行、分佈式算法處理大數據集的編程模型;
Apache Pig ：Hadoop中，用於處理數據分析程序的高級查詢語言;
Apache REEF ：用來簡化和統一低層大數據系統的保留性評估執行框架;
Apache S4 ：S4中流處理與實現的框架;
Apache Spark ：內存集群計算框架;
Apache Spark Streaming ：流處理框架，同時是Spark的一部分;
Apache Storm ：Twitter流處理框架，也可用於YARN;
Apache Samza ：基於Kafka和YARN的流處理框架;
Apache Tez ：基於YARN，用於執行任務中的複雜DAG(有向無環圖);
Apache Twill ：基於YARN的抽象概念，用於減少開發分佈式應用程序的複雜度;
Cascalog：數據處理和查詢庫;
Cheetah ：在MapReduce之上的高性能、自定義數據倉庫;
Concurrent Cascading ：在Hadoop上的數據管理/分析框架;
Damballa Parkour ：用於Clojure的MapReduce庫;
Datasalt Pangool ：可選擇的MapReduce範例;
DataTorrent StrAM ：為實時引擎，用於以儘可能暢通的方式、最小的開支和對性能最小的影響，實現分佈式、異步、實時的內存大數據計算;
Facebook Corona ：為Hadoop做優化處理，從而消除單點故障;
Facebook Peregrine ：MapReduce框架;
Facebook Scuba ：分佈式內存數據存儲;
Google Dataflow ：創建數據管道，以幫助其分析框架;
Netflix PigPen ：為MapReduce，用於編譯成Apache Pig;
Nokia Disco ：由Nokia開發的MapReduc獲取、轉換和分析數據;
Google MapReduce ：MapReduce框架;
Google MillWheel ：容錯流處理框架;
JAQL ：用於處理結構化、半結構化和非結構化數據工作的聲明性編程語言;
Kite ：為一組庫、工具、實例和文檔集，用於使在Hadoop的生態系統上建立系統更加容易;
Metamarkets Druid ：用於大數據集的實時e框架;
Onyx ：分佈式雲計算;
Pinterest Pinlater ：異步任務執行系統;
Pydoop ：用於Hadoop的Python MapReduce和HDFS API;
Rackerlabs Blueflood ：多租戶分佈式測度處理系統;
Stratosphere ：通用集群計算框架;
Streamdrill ：用於計算基於不同時間窗口的事件流的活動，並找到最活躍的一個;
Tuktu ：易於使用的用於分批處理和流計算的平臺，通過Scala、 Akka和Play所建;
Twitter Scalding：基於Cascading，用於Map Reduce工作的Scala庫;
Twitter Summingbird ：在Twitter上使用Scalding和Storm串流MapReduce;
Twitter TSAR ：Twitter上的時間序列聚合器。
分佈式文件系統
Apache HDFS：在多臺機器上存儲大型文件的方式;
BeeGFS：以前是FhGFS，並行分佈式文件系統;
Ceph Filesystem：設計的軟件存儲平臺;
Disco DDFS：分佈式文件系統;
Facebook Haystack：對象存儲系統;
Google Colossus：分佈式文件系統(GFS2);
Google GFS：分佈式文件系統;
Google Megastore：可擴展的、高度可用的存儲;
GridGain：兼容GGFS、Hadoop內存的文件系統;
Lustre file system：高性能分佈式文件系統;
Quantcast File System QFS：開源分佈式文件系統;
Red Hat GlusterFS：向外擴展的附網存儲(Network-attached Storage)文件系統;
Seaweed-FS：簡單的、高度可擴展的分佈式文件系統;
Alluxio：以可靠的存儲速率在跨集群框架上文件共享;
Tahoe-LAFS：分佈式雲存儲系統;
互聯網科技發展蓬勃興起，人工智能時代來臨，抓住下一個風口。為幫助那些往想互聯網方向轉行想學習，卻因為時間不夠，資源不足而放棄的人。我自己整理的一份最新的大數據進階資料和高級開發教程，大數據學習群： 740041381就可以找到組織學習 歡迎進階中和進想深入大數據的小夥伴加入
文件數據模型
Actian Versant：商用的面向對象數據庫管理系統;
Crate Data：是一個開源的大規模可擴展的數據存儲，需要零管理模式;
Facebook Apollo：Facebook的Paxos算法，類似於NoSQL數據庫;
jumboDB：基於Hadoop的面向文檔的數據存儲;
LinkedIn Espresso：可橫向擴展的面向文檔的NoSQL數據存儲;
MarkLogic：模式不可知的企業版NoSQL數據庫技術;
MongoDB：面向文檔的數據庫系統;
RavenDB：一個事務性的，開源文檔數據庫;
RethinkDB：支持連接查詢和群組依據等查詢的文檔型數據庫。
Key Map 數據模型
注意：業內存在一些術語混亂，有兩個不同的東西都叫做“列式數據庫”。這裡列出的有一些是圍繞“key-map”數據模型而建的分佈式、持續型數據庫，其中所有的數據都有(可能綜合了)鍵，並與映射中的鍵-值對相關聯。在一些系統中，多個這樣的值映射可以與鍵相關聯，並且這些映射被稱為“列族”(具有映射值的鍵被稱為“列”)。
另一組也可稱為“列式數據庫”的技術因其存儲數據的方式而有別於前一組，它在磁盤上或在存儲器中——而不是以傳統方式，即所有既定鍵的鍵值都相鄰著、逐行存儲。這些系統也彼此相鄰來存儲所有列值，但是要得到給定列的所有值卻不需要以前那麼繁複的工作。
前一組在這裡被稱為“key map數據模型”，這兩者和Key-value 數據模型之間的界限是相當模糊的。後者對數據模型有更多的存儲格式，可在列式數據庫中列出。若想了解更多關於這兩種模型的區分，可閱讀Daniel Abadi的博客：Distinguishing two major types of Column Stores。
Apache Accumulo：內置在Hadoop上的分佈式鍵/值存儲;
Apache Cassandra：由BigTable授權，面向列的分佈式數據存儲;
Apache HBase：由BigTable授權，面向列的分佈式數據存儲;
Facebook HydraBase：Facebook所開發的HBase的衍化品;
Google BigTable：面向列的分佈式數據存儲;
Google Cloud Datastore：為完全管理型的無模式數據庫，用於存儲在BigTable上非關係型數據;
Hypertable：由BigTable授權，面向列的分佈式數據存儲;
InfiniDB：通過MySQL的接口訪問，並使用大規模並行處理進行並行查詢;
Tephra：用於HBase處理;
Twitter Manhattan：Twitter的實時、多租戶分佈式數據庫。
鍵-值數據模型
Aerospike：支持NoSQL的閃存優化，數據存儲在內存。開源，“’C'(不是Java或Erlang)中的服務器代碼可精確地調整從而避免上下文切換和內存拷貝”。
Amazon DynamoDB：分佈式鍵/值存儲，Dynamo論文的實現;
Edis：為替代Redis的協議兼容的服務器;
ElephantDB：專門研究Hadoop中數據導出的分佈式數據庫;
EventStore：分佈式時間序列數據庫;
GridDB：適用於存儲在時間序列中的傳感器數據;
LinkedIn Krati：簡單的持久性數據存儲，擁有低延遲和高吞吐量;
Linkedin Voldemort：分佈式鍵/值存儲系統;
Oracle NoSQL Database：Oracle公司開發的分佈式鍵值數據庫;
Redis：內存中的鍵值數據存儲;
Riak：分散式數據存儲;
Storehaus：Twitter開發的異步鍵值存儲的庫;
Tarantool：一個高效的NoSQL數據庫和Lua應用服務器;
TiKV：由Google Spanner和HBase授權，Rust提供技術支持的分佈式鍵值數據庫;
TreodeDB：可複製、共享的鍵-值存儲，能提供多行原子寫入。
圖形數據模型
Apache Giraph：基於Hadoop的Pregel實現;
Apache Spark Bagel：可實現Pregel，為Spark的一部分;
ArangoDB：多層模型分佈式數據庫;
DGraph：一個可擴展的、分佈式、低時延、高吞吐量的圖形數據庫，旨在為Google生產水平規模和吞吐量提供足夠的低延遲，用於TB級的結構化數據的實時用戶查詢;
Facebook TAO：TAO是facebook廣泛用來存儲和服務於社交圖形的分佈式數據存儲;
GCHQ Gaffer：GCHQ中的Gaffer是一個易於存儲大規模圖形的框架，其中節點和邊緣都有統計數據;
Google Cayley：開源圖形數據庫;
Google Pregel ：圖形處理框架;
GraphLab PowerGraph：核心C ++ GraphLab API和建立在GraphLab API之上的高性能機器學習和數據挖掘工具包的集合;
GraphX：Spark中的彈性分佈式圖形系統;
Gremlin：圖形追蹤語言;
Infovore：以RDF為中心的Map / Reduce框架;
Intel GraphBuilder：在Hadoop上構建大規模圖形的工具;
MapGraph：用於在GPU上大規模並行圖形處理;
Neo4j：完全用Java寫入的圖形數據庫;
OrientDB：文檔和圖形數據庫;
Phoebus：大型圖形處理框架;
Titan：建於Cassandra的分佈式圖形數據庫;
Twitter FlockDB：分佈式圖形數據庫。
NewSQL數據庫
Actian Ingres：由商業支持，開源的SQL關係數據庫管理系統;
Amazon RedShift：基於PostgreSQL的數據倉庫服務;
BayesDB：面向統計數值的SQL數據庫;
CitusDB：通過分區和複製橫向擴展PostgreSQL;
Cockroach：可擴展、地址可複製、交易型的數據庫;
Datomic：旨在產生可擴展、靈活的智能應用的分佈式數據庫;
FoundationDB：由F1授意的分佈式數據庫;
Google F1：建立在Spanner上的分佈式SQL數據庫;
Google Spanner：全球性的分佈式半關係型數據庫;
H-Store：是一個實驗性主存並行數據庫管理系統，用於聯機事務處理(OLTP)應用的優化;
Haeinsa：基於Percolator，HBase的線性可擴展多行多表交易庫;
HandlerSocket：MySQL/MariaDB的NoSQL插件;
InfiniSQL：無限可擴展的RDBMS;
MemSQL：內存中的SQL數據庫，其中有優化的閃存列存儲;
NuoDB：SQL / ACID兼容的分佈式數據庫;
Oracle TimesTen in-Memory Database：內存中具有持久性和可恢復性的關係型數據庫管理系統;
Pivotal GemFire XD：內存中低延時的分佈式SQL數據存儲，可為內存列表數據提供SQL接口，在HDFS中較持久化;
SAP HANA：是在內存中面向列的關係型數據庫管理系統;
SenseiDB：分佈式實時半結構化的數據庫;
Sky：用於行為數據的靈活、高性能分析的數據庫;
SymmetricDS：用於文件和數據庫同步的開源軟件;
Map-D：為GPU內存數據庫，也為大數據分析和可視化平臺;
TiDB：TiDB是分佈式SQL數據庫，基於谷歌F1的設計靈感;
VoltDB：自稱為最快的內存數據庫。
列式數據庫
注意：請在鍵-值數據模型 閱讀相關注釋。
Columnar Storage：解釋什麼是列存儲以及何時會需要用到它;
Actian Vector：面向列的分析型數據庫;
C-Store：面向列的DBMS;
MonetDB：列存儲數據庫;
Parquet：Hadoop的列存儲格式;
Pivotal Greenplum：專門設計的、專用的分析數據倉庫，類似於傳統的基於行的工具，提供了一個列式工具;
Vertica：用來管理大規模、快速增長的大量數據，當用於數據倉庫時，能夠提供非常快的查詢性能;
Google BigQuery ：谷歌的雲產品，由其在Dremel的創始工作提供支持;
Amazon Redshift ：亞馬遜的雲產品，它也是基於柱狀數據存儲後端。
時間序列數據庫
Cube：使用MongoDB來存儲時間序列數據;
Axibase Time Series Database：在HBase之上的分佈式時間序列數據庫，它包括內置的Rule Engine、數據預測和可視化;
Heroic：基於Cassandra和Elasticsearch的可擴展的時間序列數據庫;
InfluxDB：分佈式時間序列數據庫;
Kairosdb：類似於OpenTSDB但會考慮到Cassandra;
OpenTSDB：在HBase上的分佈式時間序列數據庫;
Prometheus：一種時間序列數據庫和服務監測系統;
Newts：一種基於Apache Cassandra的時間序列數據庫。
類SQL處理
Actian SQL for Hadoop：高性能交互式的SQL，可訪問所有的Hadoop數據;
Apache Drill：由Dremel授意的交互式分析框架;
Apache HCatalog：Hadoop的表格和存儲管理層;
Apache Hive：Hadoop的類SQL數據倉庫系統;
Apache Optiq：一種框架，可允許高效的查詢翻譯，其中包括異構性及聯合性數據的查詢;
Apache Phoenix：Apache Phoenix 是 HBase 的 SQL 驅動;
Cloudera Impala：由Dremel授意的交互式分析框架;
Concurrent Lingual：Cascading中的類SQL查詢語言;
Datasalt Splout SQL：用於大數據集的完整的SQL查詢工具;
Facebook PrestoDB：分佈式SQL查詢工具;
Google BigQuery：交互式分析框架，Dremel的實現;
Pivotal HAWQ：Hadoop的類SQL的數據倉庫系統;
RainstorDB：用於存儲大規模PB級結構化和半結構化數據的數據庫;
Spark Catalyst：用於Spark和Shark的查詢優化框架;
SparkSQL：使用Spark操作結構化數據;
Splice Machine：一個全功能的Hadoop上的SQL RDBMS，並帶有ACID事務;
Stinger：用於Hive的交互式查詢;
Tajo：Hadoop的分佈式數據倉庫系統;
Trafodion：為企業級的SQL-on-HBase針對大數據的事務或業務工作負載的解決方案。
數據攝取
Amazon Kinesis：大規模數據流的實時處理;
Apache Chukwa：數據採集系統;
Apache Flume：管理大量日誌數據的服務;
Apache Kafka：分佈式發佈-訂閱消息系統;
Apache Sqoop：在Hadoop和結構化的數據存儲區之間傳送數據的工具;
Cloudera Morphlines：幫助 Solr、HBase和HDFS完成ETL的框架;
Facebook Scribe：流日誌數據聚合器;
Fluentd：採集事件和日誌的工具;
Google Photon：實時連接多個數據流的分佈式計算機系統，具有高可擴展性和低延遲性;
Heka：開源流處理軟件系統;
HIHO：用Hadoop連接不同數據源的框架;
Kestrel：分佈式消息隊列系統;
LinkedIn Databus：對數據庫更改捕獲的事件流;
LinkedIn Kamikaze：壓縮已分類整型數組的程序包;
LinkedIn White Elephant：日誌聚合器和儀表板;
Logstash：用於管理事件和日誌的工具;
Netflix Suro：像基於Chukwa 的Storm和Samza一樣的日誌聚合器;
Pinterest Secor：是實現Kafka日誌持久性的服務;
Linkedin Gobblin：LinkedIn的通用數據攝取框架;
Skizze：是一種數據存儲略圖，使用概率性數據結構來處理計數、略圖等相關的問題;
StreamSets Data Collector：連續大數據採集的基礎設施，可簡單地使用IDE。
服務編程
Akka Toolkit：JVM中分佈性、容錯事件驅動應用程序的運行時間;
Apache Avro：數據序列化系統;
Apache Curator：Apache ZooKeeper的Java庫;
Apache Karaf：在任何OSGi框架之上運行的OSGi運行時間;
Apache Thrift：構建二進制協議的框架;
Apache Zookeeper：流程管理集中式服務;
Google Chubby：一種松耦合分佈式系統鎖服務;
Linkedin Norbert：集群管理器;
OpenMPI：消息傳遞框架;
Serf：服務發現和協調的分散化解決方案;
Spotify Luigi：一種構建批處理作業的複雜管道的Python包，它能夠處理依賴性解析、工作流管理、可視化、故障處理、命令行一體化等等問題;
Spring XD：數據攝取、實時分析、批量處理和數據導出的分佈式、可擴展系統;
Twitter Elephant Bird：LZO壓縮數據的工作庫;
Twitter Finagle：JVM的異步網絡堆棧。
調度
Apache Aurora：在Apache Mesos之上運行的服務調度程序;
Apache Falcon：數據管理框架;
Apache Oozie：工作流作業調度程序;
Chronos：分佈式容錯調度;
Linkedin Azkaban：批處理工作流作業調度;
Schedoscope：Hadoop作業敏捷調度的Scala DSL;
Sparrow：調度平臺;
Airflow：一個以編程方式編寫、調度和監控工作流的平臺。
機器學習
Apache Mahout：Hadoop的機器學習庫;
brain：JavaScript中的神經網絡;
Cloudera Oryx：實時大規模機器學習;
Concurrent Pattern：Cascading的機器學習庫;
convnetjs：Javascript中的機器學習，在瀏覽器中訓練卷積神經網絡(或普通網絡);
Decider：Ruby中靈活、可擴展的機器學習;
ENCOG：支持多種先進算法的機器學習框架，同時支持類的標準化和處理數據;
etcML：機器學習文本分類;
Etsy Conjecture：Scalding中可擴展的機器學習;
Google Sibyl：Google中的大規模機器學習系統;
GraphLab Create：Python的機器學習平臺，包括ML工具包、數據工程和部署工具的廣泛集合;
H2O：Hadoop統計性的機器學習和數學運行時間;
MLbase：用於BDAS堆棧的分佈式機器學習庫;
MLPNeuralNet：針對iOS和Mac OS X的快速多層感知神經網絡庫;
MonkeyLearn：使文本挖掘更為容易，從文本中提取分類數據;
nupic：智能計算的Numenta平臺，它是一個啟發大腦的機器智力平臺，基於皮質學習算法的精準的生物神經網絡;
PredictionIO：建於Hadoop、Mahout和Cascading上的機器學習服務器;
SAMOA：分佈式流媒體機器學習框架;
scikit-learn：scikit-learn為Python中的機器學習;
Spark MLlib：Spark中一些常用的機器學習(ML)功能的實現;
Vowpal Wabbit：微軟和雅虎發起的學習系統;
WEKA：機器學習軟件套件;
BidMach：CPU和加速GPU的機器學習庫。
基準測試
Apache Hadoop Benchmarking：測試Hadoop性能的微基準;
Berkeley SWIM Benchmark：現實大數據工作負載基準測試;
Intel HiBench：Hadoop基準測試套件;
PUMA Benchmarking：MapReduce應用的基準測試套件;
Yahoo Gridmix3：雅虎工程師團隊的Hadoop集群基準測試。
安全性
Apache Knox Gateway：Hadoop集群安全訪問的單點;
Apache Sentry：存儲在Hadoop的數據安全模塊。
系統部署
Apache Ambari：Hadoop管理的運作框架;
Apache Bigtop：Hadoop生態系統的部署框架;
Apache Helix：集群管理框架;
Apache Mesos：集群管理器;
Apache Slider：一種YARN應用，用來部署YARN中現有的分佈式應用程序;
Apache Whirr：運行雲服務的庫集;
Apache YARN：集群管理器;
Brooklyn：用於簡化應用程序部署和管理的庫;
Buildoop：基於Groovy語言，和Apache BigTop類似;
Cloudera HUE：和Hadoop進行交互的Web應用程序;
Facebook Prism：多數據中心複製系統;
Google Borg：作業調度和監控系統;
Google Omega：作業調度和監控系統;
Hortonworks HOYA：可在YARN上部署HBase集群的應用;
Marathon：用於長期運行服務的Mesos框架。
應用程序
Adobe spindle：使用Scala、Spark和Parquet處理的下一代web分析;
Apache Kiji：基於HBase，實時採集和分析數據的框架;
Apache Nutch：開源網絡爬蟲;
Apache OODT：用於NASA科學檔案中數據的捕獲、處理和共享;
Apache Tika：內容分析工具包;
Argus：時間序列監測和報警平臺;
Countly：基於Node.js和MongoDB，開源的手機和網絡分析平臺;
Domino：運行、規劃、共享和部署模型——沒有任何基礎設施;
Eclipse BIRT：基於Eclipse的報告系統;
Eventhub：開源的事件分析平臺;
Hermes：建於Kafka上的異步消息代理;
HIPI Library：在Hadoop’s MapReduce上執行圖像處理任務的API;
Hunk：Hadoop的Splunk分析;
Imhotep：大規模分析平臺;
MADlib：RDBMS的用於數據分析的數據處理庫;
Kylin：來自eBay的開源分佈式分析工具;
PivotalR：Pivotal HD / HAWQ和PostgreSQL中的R;
Qubole：為自動縮放Hadoop集群，內置的數據連接器;
Sense：用於數據科學和大數據分析的雲平臺;
SnappyData：用於實時運營分析的分佈式內存數據存儲，提供建立在Spark單一集成集群中的數據流分析、OLTP(聯機事務處理)和OLAP(聯機分析處理);
Snowplow：企業級網絡和事件分析，由Hadoop、Kinesis、Redshift 和Postgres提供技術支持;
SparkR：Spark的R前端;
Splunk：用於機器生成的數據的分析;
Sumo Logic：基於雲的分析儀，用於分析機器生成的數據;
Talend：用於YARN、Hadoop、HBASE、Hive、HCatalog和Pig的統一開源環境;
Warp：利用大數據(OS X app)的實例查詢工具。
搜索引擎與框架
Apache Lucene：搜索引擎庫;
Apache Solr：用於Apache Lucene的搜索平臺;
ElasticSearch：基於Apache Lucene的搜索和分析引擎;
Enigma.io：為免費增值的健壯性web應用，用於探索、篩選、分析、搜索和導出來自網絡的大規模數據集;
Facebook Unicorn：社交圖形搜索平臺;
Google Caffeine：連續索引系統;
Google Percolator：連續索引系統;
TeraGoogle：大型搜索索引;
HBase Coprocessor：為Percolator的實現，HBase的一部分;
Lily HBase Indexer：快速、輕鬆地搜索存儲在HBase的任何內容;
LinkedIn Bobo：完全由Java編寫的分面搜索的實現，為Apache Lucene的延伸;
LinkedIn Cleo：為一個一個靈活的軟件庫，使得局部、無序、實時預輸入的搜索實現了快速發展;
LinkedIn Galene：LinkedIn搜索架構;
LinkedIn Zoie：是用Java編寫的實時搜索/索引系統;
Sphinx Search Server：全文搜索引擎
MySQL的分支和演化
Amazon RDS：亞馬遜雲的MySQL數據庫;
Drizzle：MySQL的6.0的演化;
Google Cloud SQL：谷歌雲的MySQL數據庫;
MariaDB：MySQL的增強版嵌入式替代品;
MySQL Cluster：使用NDB集群存儲引擎的MySQL實現;
Percona Server：MySQL的增強版嵌入式替代品;
ProxySQL：MySQL的高性能代理;
TokuDB：用於MySQL和 MariaDB的存儲引擎;
WebScaleSQL：運行MySQL時面臨類似挑戰的幾家公司，它們的工程師之間的合作。
PostgreSQL的分支和演化
Yahoo Everest – multi-peta-byte database / MPP derived by PostgreSQL.
HadoopDB：MapReduce和DBMS的混合體;
IBM Netezza：高性能數據倉庫設備;
Postgres-XL：基於PostgreSQL，可擴展的開源數據庫集群;
RecDB：完全建立在PostgreSQL內部的開源推薦引擎;
Stado：開源MPP數據庫系統，只針對數據倉庫和數據集市的應用程序;
Yahoo Everest：PostgreSQL可以推導多字節P比特數據庫/MPP。
Memcached的分支和演化
Facebook McDipper：閃存的鍵/值緩存;
Facebook Memcached：Memcache的分支;
Twemproxy：Memcached和Redis的快速、輕型代理;
Twitter Fatcache：閃存的鍵/值緩存;
Twitter Twemcache：Memcache的分支。
嵌入式數據庫
Actian PSQL：Pervasive Software公司開發的ACID兼容的DBMS，在應用程序中嵌入了優化;
BerkeleyDB：為鍵/值數據提供一個高性能的嵌入式數據庫的一個軟件庫;
HanoiDB：Erlang LSM BTree存儲;
LevelDB：谷歌寫的一個快速鍵-值存儲庫，它提供了從字符串鍵到字符串值的有序映射;
LMDB：Symas開發的超快、超緊湊的鍵-值嵌入的式數據存儲;
RocksDB：基於性LevelDB，用於快速存儲的嵌入式持續性鍵-值存儲。
商業智能
BIME Analytics：商業智能雲平臺;
Chartio：精益業務智能平臺，用於可視化和探索數據;
datapine：基於雲的自助服務商業智能工具;
Jaspersoft：功能強大的商業智能套件;
Jedox Palo：定製的商業智能平臺;
Microsoft：商業智能軟件和平臺;
Microstrategy：商業智能、移動智能和網絡應用軟件平臺;
Pentaho：商業智能平臺;
Qlik：商業智能和分析平臺;
Saiku：開源的分析平臺;
SpagoBI：開源商業智能平臺;
Tableau：商業智能平臺;
Zoomdata：大數據分析;
Jethrodata：交互式大數據分析。
數據可視化
Airpal：用於PrestoDB的網頁UI;
Arbor：利用網絡工作者和jQuery的圖形可視化庫;
Banana：對存儲在Kibana中Solr. Port的日誌和時戳數據進行可視化;
Bokeh：一個功能強大的Python交互式可視化庫，它針對要展示的現代web瀏覽器，旨在為D3.js風格的新奇的圖形提供優雅簡潔的設計，同時在大規模數據或流數據集中，通過高性能交互性來表達這種能力;
C3：基於D3可重複使用的圖表庫;
CartoDB：開源或免費增值的虛擬主機，用於帶有強大的前端編輯功能和API的地理空間數據庫;
chartd：只帶Img標籤的反應靈敏、兼容Retina的圖表;
Chart.js：開源的HTML5圖表可視化效果;
Chartist.js：另一個開源HTML5圖表可視化效果;
Crossfilter：JavaScript庫，用於在瀏覽器中探索多元大數據集，用Dc.js和D3.js.效果很好;
Cubism：用於時間序列可視化的JavaScript庫;
Cytoscape：用於可視化複雜網絡的JavaScript庫;
DC.js：維度圖表，和Crossfilter一起使用，通過D3.js呈現出來，它比較擅長連接圖表/附加的元數據，從而徘徊在D3的事件附近;
D3：操作文件的JavaScript庫;
D3.compose：從可重複使用的圖表和組件構成複雜的、數據驅動的可視化;
D3Plus：一組相當強大的可重用的圖表，還有D3.js的樣式;
Envisionjs：動態HTML5可視化;
FnordMetric：寫SQL查詢，返回SVG圖表，而不是表;
Freeboard：針對IOT和其他Web混搭的開源實時儀表盤構建;
Gephi：屢獲殊榮的開源平臺，可視化和操縱大型圖形和網絡連接，有點像Photoshop，但是針對於圖表，適用於Windows和Mac OS X;
Google Charts：簡單的圖表API;
Grafana：石墨儀表板前端、編輯器和圖形組合器;
Graphite：可擴展的實時圖表;
Highcharts：簡單而靈活的圖表API;
IPython：為交互式計算提供豐富的架構;
Kibana：可視化日誌和時間標記數據;
Matplotlib：Python繪圖;
Metricsgraphic.js：建立在D3之上的庫，針對時間序列數據進行最優化;
NVD3：d3.js的圖表組件;
Peity：漸進式SVG條形圖，折線和餅圖;
Plot.ly：易於使用的Web服務，它允許快速創建從熱圖到直方圖等複雜的圖表，使用圖表Plotly的在線電子表格上傳數據進行創建和設計;
Plotly.js：支持plotly的開源JavaScript圖形庫;
Recline：簡單但功能強大的庫，純粹利用JavaScript和HTML構建數據應用;
Redash：查詢和可視化數據的開源平臺;
Shiny：針對R的Web應用程序框架;
Sigma.js：JavaScript庫，專門用於圖形繪製;
Vega：一個可視化語法;
Zeppelin：一個筆記本式的協作數據分析;
Zing Charts：用於大數據的JavaScript圖表庫。
物聯網和傳感器
TempoIQ：基於雲的傳感器分析;
2lemetry：物聯網平臺;
Pubnub：數據流網絡;
ThingWorx：ThingWorx 是讓企業快速創建和運行互聯應用程序平臺;
IFTTT：IFTTT 是一個被稱為 “網絡自動化神器” 的創新型互聯網服務，它的全稱是 If this then that，意思是“如果這樣，那麼就那樣”;
Evrythng：Evrythng則是一款真正意義上的大眾物聯網平臺，使得身邊的很多產品變得智能化。
文章推薦
NoSQL Comparison(NoSQL 比較)- 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(大數據基準)- Redshift, Hive, Shark, Impala and Stiger/Tez的基準;
The big data successor of the spreadsheet(電子表格的大數據繼承者) – 電子表格的繼承者應該是大數據。
論文
2015 – 2016
2015 – Facebook – One Trillion Edges: Graph Processing at Facebook-Scale.(一兆邊：Facebook規模的圖像處理)
2013 – 2014
2014 – Stanford – Mining of Massive Datasets.(海量數據集挖掘)
2013 – AMPLab – Presto: Distributed Machine Learning and Graph Processing with Sparse Matrices. (Presto： 稀疏矩陣的分佈式機器學習和圖像處理)
2013 – AMPLab – MLbase: A Distributed Machine-learning System. (MLbase：分佈式機器學習系統)
2013 – AMPLab – Shark: SQL and Rich Analytics at Scale. (Shark: 大規模的SQL 和豐富的分析)
2013 – AMPLab – GraphX: A Resilient Distributed Graph System on Spark. (GraphX:基於Spark的彈性分佈式圖計算系統)
2013 – Google – HyperLogLog in Practice: Algorithmic Engineering of a State of The Art Cardinality Estimation Algorithm. (HyperLogLog實踐:一個藝術形態的基數估算算法)
2013 – Microsoft – Scalable Progressive Analytics on Big Data in the Cloud.(雲端大數據的可擴展性漸進分析)
2013 – Metamarkets – Druid: A Real-time Analytical Data Store. (Druid：實時分析數據存儲)
2013 – Google – Online, Asynchronous Schema Change in F1.(F1中在線、異步模式的轉變)
2013 – Google – F1: A Distributed SQL Database That Scales. (F1: 分佈式SQL數據庫)
2013 – Google – MillWheel: Fault-Tolerant Stream Processing at Internet Scale.(MillWheel: 互聯網規模下的容錯流處理)
2013 – Facebook – Scuba: Diving into Data at Facebook. (Scuba: 深入Facebook的數據世界)
2013 – Facebook – Unicorn: A System for Searching the Social Graph. (Unicorn: 一種搜索社交圖的系統)
2013 – Facebook – Scaling Memcache at Facebook. (Facebook 對 Memcache 伸縮性的增強)
2011 – 2012
2012 – Twitter – The Unified Logging Infrastructure for Data Analytics at Twitter. (Twitter數據分析的統一日誌基礎結構)
2012 – AMPLab –Blink and It’s Done: Interactive Queries on Very Large Data. (Blink及其完成：超大規模數據的交互式查詢)
2012 – AMPLab –Fast and Interactive Analytics over Hadoop Data with Spark. (Spark上 Hadoop數據的快速交互式分析)
2012 – AMPLab –Shark: Fast Data Analysis Using Coarse-grained Distributed Memory. (Shark：使用粗粒度的分佈式內存快速數據分析)
2012 – Microsoft –Paxos Replicated State Machines as the Basis of a High-Performance Data Store. (Paxos的複製狀態機——高性能數據存儲的基礎)
2012 – Microsoft –Paxos Made Parallel. (Paxos算法實現並行)
2012 – AMPLab – BlinkDB：BlinkDB: Queries with Bounded Errors and Bounded Response Times on Very Large Data.(超大規模數據中有限誤差與有界響應時間的查詢)
2012 – Google –Processing a trillion cells per mouse click.(每次點擊處理一兆個單元格)
2012 – Google –Spanner: Google’s Globally-Distributed Database.(Spanner：谷歌的全球分佈式數據庫)
2011 – AMPLab –Scarlett: Coping with Skewed Popularity Content in MapReduce Clusters.(Scarlett：應對MapReduce集群中的偏向性內容)
2011 – AMPLab –Mesos: A Platform for Fine-Grained Resource Sharing in the Data Center.(Mesos：數據中心中細粒度資源共享的平臺)
2011 – Google –Megastore: Providing Scalable, Highly Available Storage for Interactive Services.(Megastore：為交互式服務提供可擴展，高度可用的存儲)
2001 – 2010
2010 – Facebook – Finding a needle in Haystack: Facebook’s photo storage.(探究Haystack中的細微之處： Facebook圖片存儲)
2010 – AMPLab – Spark: Cluster Computing with Working Sets.(Spark:工作組上的集群計算)
2010 – Google – Storage Architecture and Challenges.(存儲架構與挑戰)
2010 – Google – Pregel: A System for Large-Scale Graph Processing.(Pregel: 一種大型圖形處理系統)
2010 – Google – Large-scale Incremental Processing Using Distributed Transactions and Noti?cations base of Percolator and Caffeine.(使用基於Percolator 和 Caffeine平臺分佈式事務和通知的大規模增量處理)
2010 – Google – Dremel: Interactive Analysis of Web-Scale Datasets.(Dremel: Web規模數據集的交互分析)
2010 – Yahoo – S4: Distributed Stream Computing Platform.(S4:分佈式流計算平臺)
2009 – HadoopDB：An Architectural Hybrid of MapReduce and DBMS Technologies for Analytical Workloads.(混合MapReduce和DBMS技術用於分析工作負載的的架構)
2008 – AMPLab – Chukwa: A large-scale monitoring system.(Chukwa: 大型監控系統)
2007 – Amazon – Dynamo: Amazon’s Highly Available Key-value Store.(Dynamo: 亞馬遜的高可用的關鍵價值存儲)
2006 – Google – The Chubby lock service for loosely-coupled distributed systems.(面向鬆散耦合的分佈式系統的鎖服務)
2006 – Google – Bigtable: A Distributed Storage System for Structured Data.(Bigtable: 結構化數據的分佈式存儲系統)
2004 – Google – MapReduce: Simplied Data Processing on Large Clusters.(MapReduce: 大型集群上簡化數據處理)
2003 – Google – The Google File System.(谷歌文件系統)
視頻
數據可視化
數據可視化之美
Noah Iliinsky的數據可視化設計
Hans Rosling’s 200 Countries, 200 Years, 4 Minutes
冰桶挑戰的數據可視化
閱讀更多 微笑數據工程師 的文章
