大數(shù)據(jù)工具是什么?顧名思義，大數(shù)據(jù)工具就是用戶大數(shù)據(jù)工作的工具統(tǒng)稱，比如從事大數(shù)據(jù)開發(fā)工作會用到java、hadoop、spark、storm、es等，而從事大數(shù)據(jù)可視化工作需要很多的數(shù)據(jù)可視化工具，比如echarts、samrtbi、tableau、D3.js等，大數(shù)據(jù)工作人員利用這些工具來進行日常的大數(shù)據(jù)工作。

下面我們來介紹一些大數(shù)據(jù)工作中用到的工具。

1. Hivemall

Hivemall結合了面向Hive的多種機器學習算法。它包括諸多高度擴展性算法，可用于數(shù)據(jù)分類、遞歸、推薦、k最近鄰、異常檢測和特征哈希。

支持的操作系統(tǒng)：與操作系統(tǒng)無關。

Hivemall官網鏈接：https://github.com/myui/hivemall

2. Mahout

Mahout 是 Apache Software Foundation(ASF) 旗下的一個開源項目，提供一些可擴展的機器學習領域經典算法的實現(xiàn)，旨在幫助開發(fā)人員更加方便快捷地創(chuàng)建智能應用程序。Mahout包含許多實現(xiàn)，包括聚類、分類、推薦過濾、頻繁子項挖掘。此外，通過使用 Apache Hadoop 庫，Mahout 可以有效地擴展到云中。

Mahout官網地址：http://mahout.apache.org/

3. MapReduce

MapReduce是一種編程模型，用于大規(guī)模數(shù)據(jù)集(大于1TB)的并行運算。概念"Map(映射)"和"Reduce(歸約)"，是它們的主要思想，都是從函數(shù)式編程語言里借來的，還有從矢量編程語言里借來的特性。它極大地方便了編程人員在不會分布式并行編程的情況下，將自己的程序運行在分布式系統(tǒng)上。

MapReduce相關文檔：http://hadoop.apache.org/docs/r1.2.1/mapred_tutorial.html

4. Oozie

Oozie是一種Java Web應用程序，它運行在Java servlet容器——即Tomcat——中，并使用數(shù)據(jù)庫來存儲以下內容：

● 工作流定義

● 當前運行的工作流實例，包括實例的狀態(tài)和變量

Oozie官網地址：http://oozie.apache.org/

5. Pig

Pig是一種數(shù)據(jù)流語言和運行環(huán)境，用于檢索非常大的數(shù)據(jù)集。為大型數(shù)據(jù)集的處理提供了一個更高層次的抽象。Pig包括兩部分：一是用于描述數(shù)據(jù)流的語言，稱為Pig Latin;二是用于運行Pig Latin程序的執(zhí)行環(huán)境。

Pig官網地址：http://pig.apache.org/

6. Sqoop

Sqoop(發(fā)音：skup)是一款開源的工具，主要用于在Hadoop(Hive)與傳統(tǒng)的數(shù)據(jù)庫(mysql、postgresql...)間進行數(shù)據(jù)的傳遞，可以將一個關系型數(shù)據(jù)庫(例如 ： MySQL ,Oracle ,Postgres等)中的數(shù)據(jù)導進到Hadoop的HDFS中，也可以將HDFS的數(shù)據(jù)導進到關系型數(shù)據(jù)庫中。

Sqoop官網地址：http://sqoop.apache.org/

Sqoop相關文檔：http://sqoop.apache.org/docs/1.4.5/index.html

7. Spark

Spark 是一種與 Hadoop 相似的開源集群計算環(huán)境，但是兩者之間還存在一些不同之處，這些有用的不同之處使 Spark 在某些工作負載方面表現(xiàn)得更加優(yōu)越，換句話說，Spark 啟用了內存分布數(shù)據(jù)集，除了能夠提供交互式查詢外，它還可以優(yōu)化迭代工作負載。

Spark官網地址：http://spark.apache.org/

8. Tez

Tez建立在Apache Hadoop YARN的基礎上，這是“一種應用程序框架，允許為任務構建一種復雜的有向無環(huán)圖，以便處理數(shù)據(jù)。”它讓Hive和Pig可以簡化復雜的任務，而這些任務原本需要多個步驟才能完成。

支持的操作系統(tǒng)：Windows、Linux和OS X。

Tez官網鏈接：http://tez.apache.org

9. Zookeeper

ZooKeeper是一個分布式的，開放源碼的分布式應用程序協(xié)調服務，是Google的Chubby一個開源的實現(xiàn)，是Hadoop和Hbase的重要組件。它是一個為分布式應用提供一致性服務的軟件，提供的功能包括：配置維護、域名服務、分布式同步、組服務等。

Zookeeper官網：http://zookeeper.apache.org/

10.finndy+

finndy+是一個分布式的云采集工具，在全球有2000+高匿分布式節(jié)點，機器學習防屏蔽算法，自定義腳本引擎，首創(chuàng)單步調模式，一鍵API輸出。同時擁有海量免費采集規(guī)則和交易市場。