大数据生态圈各个组件的原理解析、Demo教程、运行过程中的填坑记录和一些官方文档的翻译。
目前主要是Hadoop、HBase、Spark等。
由于大数据生态圈的工具越来越丰富，个人能力有限，只是把学过的/在项目中应用过的组件记录起来
如果你也有好的经验文档，欢迎补充~
附录(一些大数据组件)
计算框架：
- Beam：Google
- Tez：Hortonworks
- Spark：UC Berkeley
- Flink：TU Berlin
- Storm：Twitter
- Heron：Twitter
数据传输：
- Flume：Cloudera
- Sqoop：Cloudera
- Nifi：NSA
- Kafka：LinkedIn
SQL On Hadoop：
- Impala：Cloudera
- Hive：Facebook
- Presto：Facebook
- Keylin：eBay
- Phoenix：Salesforce
集群工具：
- Oozie：Yahoo
- Zeus：Alibaba
- Dr. Elephant：Hadoop 和Spark的性能监控和调优工具，LinkedIn
- Hue：Cloudera
- Ambari：Hortonworks
- Nagios：Ethan Galstad
- Ganglia：UC Berkeley
- Splunk：Splunk
数据挖掘/机器学习：
- CaffeOnSpark：基于Hadoop/Spark的分布式深度学习，Yahoo
- Photon：机器学习库支持Spark，Linkedin
- WhereHows：数据挖掘软件，Linkedin
- TensorFlow Serving：机器学习服务系统，Google
- FBLearner Flow：管理机器学习模型的机器学习软件，Facebook
- SyntaxNet：自然语言解析器，Google
- DeepText：文本理解引擎，Facebook
- CNTK：深度学习工具包，Microsoft
- DSSTNE：深度学习框架，Amazon
- Torchnet：深度学习框架，Facebook
- bot：聊天机器人开发平台，Facebook