給 Java開發者的10個大數據工具和框架，速收藏

當今IT開發人員面對的最大挑戰就是複雜性，硬體越來越複雜，OS越來越複雜，編程語言和API越來越複雜，我們構建的應用也越來越複雜。根據外媒的一項調查報告，中軟卓越專家列出了Java程序員在過去12個月內一直使用的一些工具或框架，或許會對你有意義。

先來看看大數據的概念。根據維基百科，大數據是龐大或複雜的數據集的廣義術語，因此傳統的數據處理程序不足以支持如此龐大的體量。

在許多情況下，使用SQL資料庫存儲/檢索數據都是很好的選擇。而現如今的很多情況下，它都不再能滿足我們的目的，這一切都取決於用例的變化。

現在來討論一些不同的非SQL存儲/處理數據工具，例如，NoSQL資料庫，全文搜索引擎，實時流式處理，圖形資料庫等。

1、MongoDB——最受歡迎的，跨平台的，面向文檔的資料庫。

MongoDB是一個基於分布式文件存儲的資料庫，使用C++語言編寫。旨在為Web應用提供可擴展的高性能數據存儲解決方案。應用性能高低依賴於資料庫性能，MongoDB則是非關係資料庫中功能最豐富，最像關係資料庫的，隨著MongDB 3.4版本發布，其應用場景適用能力得到了進一步拓展。

MongoDB的核心優勢就是靈活的文檔模型、高可用複製集、可擴展分片集群。你可以試著從幾大方面了解MongoDB，如實時監控MongoDB工具、內存使用量和頁面錯誤、連接數、資料庫操作、複製集等。

2、Elasticsearch ——為雲構建的分布式RESTful搜索引擎。

ElasticSearch是基於Lucene的搜索伺服器。它提供了分布式多用戶能力的全文搜索引擎，基於RESTful web介面。Elasticsearch是用Java開發的，並作為Apache許可條款下的開放源碼發布，是比較流行的企業級搜索引擎。

ElasticSearch不僅是一個全文本搜索引擎，還是一個分布式實時文檔存儲，其中每個field均是被索引的數據且可被搜索;也是一個帶實時分析功能的分布式搜索引擎，並且能夠擴展至數以百計的伺服器存儲及處理PB級的數據。ElasticSearch在底層利用Lucene完成其索引功能，因此其許多基本概念源於Lucene。

3、Cassandra——開源分布式資料庫管理系統，最初是由Facebook開發的，旨在處理許多商品伺服器上的大量數據，提供高可用性，沒有單點故障。

Apache Cassandra是一套開源分布式NoSQL資料庫系統。集Google BigTable的數據模型與Amazon Dynamo的完全分布式架構於一身。於2008開源，此後，由於Cassandra良好的可擴展性，被Digg、Twitter等Web 2.0網站所採納，成為了一種流行的分布式結構化數據存儲方案。

因Cassandra是用Java編寫的，所以理論上在具有JDK6及以上版本的機器中都可以運行，官方測試的JDK還有OpenJDK 及Sun的JDK。 Cassandra的操作命令，類似於我們平時操作的關係資料庫，對於熟悉MySQL的朋友來說，操作會很容易上手。

4、Redis ——開源(BSD許可)內存數據結構存儲，用作資料庫，緩存和消息代理。 Redis是一個開源的使用ANSI C語言編寫的、支持網路、可基於內存亦可持久化的日誌型、Key-Value資料庫，並提供多種語言的API。Redis 有三個主要使其有別於其它很多競爭對手的特點：Redis是完全在內存中保存數據的資料庫，使用磁碟只是為了持久性目的; Redis相比許多鍵值數據存儲系統有相對豐富的數據類型; Redis可以將數據複製到任意數

5、Hazelcast ——基於Java的開源內存數據網格。

Hazelcast 是一種內存數據網格 in-memory data grid，提供Java程序員關鍵任務交易和萬億級內存應用。雖然Hazelcast沒有所謂的「Master」，但是仍然有一個Leader節點(the oldest member)，這個概念與ZooKeeper中的Leader類似，但是實現原理卻完全不同。同時，Hazelcast中的數據是分布式的，每一個member持有部分數據和相應的backup數據，這點也與ZooKeeper不同。

Hazelcast的應用便捷性深受開發者喜歡，但如果要投入使用，還需要慎重考慮。

6、EHCache——廣泛使用的開源Java分布式緩存。主要面向通用緩存、Java EE和輕量級容器。

EhCache 是一個純Java的進程內緩存框架，具有快速、精幹等特點，是hibernate中默認的CacheProvider。主要特性有：快速簡單，具有多種緩存策略;緩存數據有兩級，內存和磁碟，因此無需擔心容量問題;緩存數據會在虛擬機重啟的過程中寫入磁碟;可以通過RMI、可插入API等方式進行分布式緩存;具有緩存和緩存管理器的偵聽介面;支持多緩存管理器實例，以及一個實例的多個緩存區域;提供Hibernate的緩存實現。

7、Hadoop ——用Java編寫的開源軟體框架，用於分布式存儲，並對非常大的數據用戶可以在不了解分布式底層細節的情況下，開發分布式程序。充分利用集群進行高速運算和存儲。Hadoop實現了一個分布式文件系統(Hadoop Distributed File System)，簡稱HDFS。Hadoop的框架最核心的設計就是：HDFS和MapReduce。HDFS為海量的數據提供了存儲，MapReduce則為海量的數據提供了計算。

8、Solr ——開源企業搜索平台，用Java編寫，來自Apache Lucene項目。

Solr是一個獨立的企業級搜索應用伺服器，它對外提供類似於Web-service的API介面。用戶可以通過http請求，向搜索引擎伺服器提交一定格式的XML文件，生成索引;也可以通過Http Get操作提出查找請求，並得到XML格式的返回結果。

與ElasticSearch一樣，同樣是基於Lucene，但它對其進行了擴展，提供了比Lucene更為豐富的查詢語言，同時實現了可配置、可擴展並對查詢性能進行了優化。

9、Spark ——Apache Software Foundation中最活躍的項目，是一個開源集群計算框架。

Spark 是一種與 Hadoop 相似的開源集群計算環境，但是兩者之間還存在一些不同之處，這些不同之處使 Spark 在某些工作負載方面表現得更加優越，換句話說，Spark 啟用了內存分布數據集，除了能夠提供互動式查詢外，它還可以優化迭代工作負載。

Spark 是在 Scala 語言中實現的，它將 Scala 用作其應用程序框架。與 Hadoop 不同，Spark 和 Scala 能夠緊密集成，其中的 Scala 可以像操作本地集合對象一樣輕鬆地

10、Memcached ——通用分布式內存緩存系統。

Memcached是一套分布式快取系統，當初是Danga Interactive為了LiveJournal所發展的，但被許多軟體(如MediaWiki)所使用。Memcached作為高速運行的分布式緩存伺服器，具有以下的特點：協議簡單，基於libevent的事件處理，內置內存存儲方式。

點擊展開全文

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！