[url=]AddThis Hydra[/url] :最初在AddThis上开发的分布式数据处理和存储系统;
[url=]AMPLab SIMR[/url]:用在Hadoop MapReduce v1上运行Spark;
[url=]Apache Beam[/url]:为统一的模型以及一套用于定义和执行数据处理工作流的特定SDK语言;
[url=]Apache Crunch[/url]:一个简单的Java API,用于执行在普通的MapReduce实现时比较单调的连接、数据聚合等任务;
[url=]Apache DataFu[/url]:由LinkedIn开发的针对Hadoop and 和Pig的用户定义的函数集合;
[url=]Apache Flink[/url]:具有高性能的执行时间和自动程序优化;
[url=]Apache Gora[/url]:内存中的数据模型和持久性框架;
[url=]Apache Hama[/url]:BSP(整体同步并行)计算框架;
[url=]Apache MapReduce[/url] :在集群上使用并行、分布式算法处理大数据集的编程模型;
[url=]Apache Pig[/url] :Hadoop中,用于处理数据分析程序的高级查询语言;
[url=]Apache REEF[/url] :用来简化和统一低层大数据系统的保留性评估执行框架;
[url=]Apache S4[/url] :S4中流处理与实现的框架;
[url=]Apache Spark[/url] :内存集群计算框架;
[url=]Apache Spark Streaming[/url] :流处理框架,同时是Spark的一部分;
[url=]Apache Storm[/url] :Twitter流处理框架,也可用于YARN;
[url=]Apache Samza[/url] :基于Kafka和YARN的流处理框架;
[url=]Apache Tez[/url] :基于YARN,用于执行任务中的复杂DAG(有向无环图);
[url=]Apache Twill[/url] :基于YARN的抽象概念,用于减少开发分布式应用程序的复杂度;
[url=]Cascalog[/url]:数据处理和查询库;
[url=]Cheetah[/url] :在MapReduce之上的高性能、自定义数据仓库;
[url=]Concurrent Cascading[/url] :在Hadoop上的数据管理/分析框架;
[url=]Damballa Parkour[/url] :用于Clojure的MapReduce库;
[url=]Datasalt Pangool[/url] :可选择的MapReduce范例;
[url=]DataTorrent StrAM[/url] :为实时引擎,用于以尽可能畅通的方式、最小的开支和对性能最小的影响,实现分布式、异步、实时的内存大数据计算;
[url=]Facebook Corona[/url] :为Hadoop做优化处理,从而消除单点故障;
[url=]Facebook Peregrine[/url] :MapReduce框架;
[url=]Facebook Scuba[/url] :分布式内存数据存储;
[url=]Google Dataflow[/url] :创建数据管道,以帮助其分析框架;
[url=]Netflix PigPen[/url] :为MapReduce,用于编译成Apache Pig;
[url=]Nokia Disco[/url] :由Nokia开发的MapReduc获取、转换和分析数据;
[url=]Google MapReduce[/url] :MapReduce框架;
[url=]Google MillWheel[/url] :容错流处理框架;
[url=]JAQL[/url] :用于处理结构化、半结构化和非结构化数据工作的声明性编程语言;
[url=]Kite[/url] :为一组库、工具、实例和文档集,用于使在Hadoop的生态系统上建立系统更加容易;
[url=]Metamarkets Druid[/url] :用于大数据集的实时e框架;
[url=]Onyx[/url] :分布式云计算;
[url=]Pinterest Pinlater[/url] :异步任务执行系统;
[url=]Pydoop[/url] :用于Hadoop的Python MapReduce和HDFS API;
[url=]Rackerlabs Blueflood[/url] :多租户分布式测度处理系统;
[url=]Stratosphere[/url] :通用集群计算框架;
[url=]Streamdrill[/url] :用于计算基于不同时间窗口的事件流的活动,并找到最活跃的一个;
[url=]Tuktu[/url] :易于使用的用于分批处理和流计算的平台,通过Scala、 Akka和Play所建;
[url=]Twitter Scalding[/url]:基于Cascading,用于Map Reduce工作的Scala库;
[url=]Twitter Summingbird[/url] :在Twitter上使用Scalding和Storm串流MapReduce;
[url=]Twitter TSAR[/url] :Twitter上的时间序列聚合器。
[url=]Apache HDFS[/url]:在多台机器上存储大型文件的方式;
[url=]BeeGFS[/url]:以前是FhGFS,并行分布式文件系统;
[url=]Ceph Filesystem[/url]:设计的软件存储平台;
[url=]Disco DDFS[/url]:分布式文件系统;
[url=]Facebook Haystack[/url]:对象存储系统;
[url=]Google Colossus[/url]:分布式文件系统(GFS2);
[url=]Google GFS[/url]:分布式文件系统;
[url=]Google Megastore[/url]:可扩展的、高度可用的存储;
[url=]GridGain[/url]:兼容GGFS、Hadoop内存的文件系统;
[url=]Lustre file system[/url]:高性能分布式文件系统;
[url=]Quantcast File System QFS[/url]:开源分布式文件系统;
[url=]Red Hat GlusterFS[/url]:向外扩展的附网存储(Network-attached Storage)文件系统;
[url=]Seaweed-FS[/url]:简单的、高度可扩展的分布式文件系统;
[url=]Alluxio[/url]:以可靠的存储速率在跨集群框架上文件共享;
[url=]Tahoe-LAFS[/url]:分布式云存储系统;
[url=]Aerospike[/url]:支持NoSQL的闪存优化,数据存储在内存。开源,“'C'(不是Java或Erlang)中的服务器代码可精确地调整从而避免上下文切换和内存拷贝”。
[url=]Amazon DynamoDB[/url]:分布式键/值存储,Dynamo论文的实现;
[url=]Edis[/url]:为替代Redis的协议兼容的服务器;
[url=]ElephantDB[/url]:专门研究Hadoop中数据导出的分布式数据库;
[url=]EventStore[/url]:分布式时间序列数据库;
[url=]GridDB[/url]:适用于存储在时间序列中的传感器数据;
[url=]LinkedIn Krati[/url]:简单的持久性数据存储,拥有低延迟和高吞吐量;
[url=]Linkedin Voldemort[/url]:分布式键/值存储系统;
[url=]Oracle NoSQL Database[/url]:Oracle公司开发的分布式键值数据库;
[url=]Redis[/url]:内存中的键值数据存储;
[url=]Riak[/url]:分散式数据存储;
[url=]Storehaus[/url]:Twitter开发的异步键值存储的库;
[url=]Tarantool[/url]:一个高效的NoSQL数据库和Lua应用服务器;
[url=]TiKV[/url]:由Google Spanner和HBase授权,Rust提供技术支持的分布式键值数据库;
[url=]TreodeDB[/url]:可复制、共享的键-值存储,能提供多行原子写入。
[url=]Apache Giraph[/url]:基于Hadoop的Pregel实现;
[url=]Apache Spark Bagel[/url]:可实现Pregel,为Spark的一部分;
[url=]ArangoDB[/url]:多层模型分布式数据库;
[url=]DGraph[/url]:一个可扩展的、分布式、低时延、高吞吐量的图形数据库,旨在为Google生产水平规模和吞吐量提供足够的低延迟,用于TB级的结构化数据的实时用户查询;
[url=]Facebook TAO[/url]:TAO是facebook广泛用来存储和服务于社交图形的分布式数据存储;
[url=]GCHQ Gaffer[/url]:GCHQ中的Gaffer是一个易于存储大规模图形的框架,其中节点和边缘都有统计数据;
[url=]Google Cayley[/url]:开源图形数据库;
[url=]Google Pregel[/url] :图形处理框架;
[url=]GraphLab PowerGraph[/url]:核心C ++ GraphLab API和建立在GraphLab API之上的高性能机器学习和数据挖掘工具包的集合;
[url=]GraphX[/url]:Spark中的弹性分布式图形系统;
[url=]Gremlin[/url]:图形追踪语言;
[url=]Infovore[/url]:以RDF为中心的Map / Reduce框架;
[url=]Intel GraphBuilder[/url]:在Hadoop上构建大规模图形的工具;
[url=]MapGraph[/url]:用于在GPU上大规模并行图形处理;
[url=]Neo4j[/url]:完全用Java写入的图形数据库;
[url=]OrientDB[/url]:文档和图形数据库;
[url=]Phoebus[/url]:大型图形处理框架;
[url=]Titan[/url]:建于Cassandra的分布式图形数据库;
[url=]Twitter FlockDB[/url]:分布式图形数据库。
[url=]Actian Ingres[/url]:由商业支持,开源的SQL关系数据库管理系统;
[url=]Amazon RedShift[/url]:基于PostgreSQL的数据仓库服务;
[url=]BayesDB[/url]:面向统计数值的SQL数据库;
[url=]CitusDB[/url]:通过分区和复制横向扩展PostgreSQL;
[url=]Cockroach[/url]:可扩展、地址可复制、交易型的数据库;
[url=]Datomic[/url]:旨在产生可扩展、灵活的智能应用的分布式数据库;
[url=]FoundationDB[/url]:由F1授意的分布式数据库;
[url=]Google F1[/url]:建立在Spanner上的分布式SQL数据库;
[url=]Google Spanner[/url]:全球性的分布式半关系型数据库;
[url=]H-Store[/url]:是一个实验性主存并行数据库管理系统,用于联机事务处理(OLTP)应用的优化;
[url=]Haeinsa[/url]:基于Percolator,HBase的线性可扩展多行多表交易库;
[url=]HandlerSocket[/url]:MySQL/MariaDB的NoSQL插件;
[url=]InfiniSQL[/url]:无限可扩展的RDBMS;
[url=]MemSQL[/url]:内存中的SQL数据库,其中有优化的闪存列存储;
[url=]NuoDB[/url]:SQL / ACID兼容的分布式数据库;
[url=]Oracle TimesTen in-Memory Database[/url]:内存中具有持久性和可恢复性的关系型数据库管理系统;
[url=]Pivotal GemFire XD[/url]:内存中低延时的分布式SQL数据存储,可为内存列表数据提供SQL接口,在HDFS中较持久化;
[url=]SAP HANA[/url]:是在内存中面向列的关系型数据库管理系统;
[url=]SenseiDB[/url]:分布式实时半结构化的数据库;
[url=]Sky[/url]:用于行为数据的灵活、高性能分析的数据库;
[url=]SymmetricDS[/url]:用于文件和数据库同步的开源软件;
[url=]Map-D[/url]:为GPU内存数据库,也为大数据分析和可视化平台;
[url=]TiDB[/url]:TiDB是分布式SQL数据库,基于谷歌F1的设计灵感;
[url=]VoltDB[/url]:自称为最快的内存数据库。
[url=]Actian SQL for Hadoop[/url]:高性能交互式的SQL,可访问所有的Hadoop数据;
[url=]Apache Drill[/url]:由Dremel授意的交互式分析框架;
[url=]Apache HCatalog[/url]:Hadoop的表格和存储管理层;
[url=]Apache Hive[/url]:Hadoop的类SQL数据仓库系统;
[url=]Apache Optiq[/url]:一种框架,可允许高效的查询翻译,其中包括异构性及联合性数据的查询;
[url=]Apache Phoenix[/url]:Apache Phoenix 是 HBase 的 SQL 驱动;
[url=]Cloudera Impala[/url]:由Dremel授意的交互式分析框架;
[url=]Concurrent Lingual[/url]:Cascading中的类SQL查询语言;
[url=]Datasalt Splout SQL[/url]:用于大数据集的完整的SQL查询工具;
[url=]Facebook PrestoDB[/url]:分布式SQL查询工具;
[url=]Google BigQuery[/url]:交互式分析框架,Dremel的实现;
[url=]Pivotal HAWQ[/url]:Hadoop的类SQL的数据仓库系统;
[url=]RainstorDB[/url]:用于存储大规模PB级结构化和半结构化数据的数据库;
[url=]Spark Catalyst[/url]:用于Spark和Shark的查询优化框架;
[url=]SparkSQL[/url]:使用Spark操作结构化数据;
[url=]Splice Machine[/url]:一个全功能的Hadoop上的SQL RDBMS,并带有ACID事务;
[url=]Stinger[/url]:用于Hive的交互式查询;
[url=]Tajo[/url]:Hadoop的分布式数据仓库系统;
[url=]Trafodion[/url]:为企业级的SQL-on-HBase针对大数据的事务或业务工作负载的解决方案。
[url=]Amazon Kinesis[/url]:大规模数据流的实时处理;
[url=]Apache Chukwa[/url]:数据采集系统;
[url=]Apache Flume[/url]:管理大量日志数据的服务;
[url=]Apache Kafka[/url]:分布式发布-订阅消息系统;
[url=]Apache Sqoop[/url]:在Hadoop和结构化的数据存储区之间传送数据的工具;
[url=]Cloudera Morphlines[/url]:帮助 Solr、HBase和HDFS完成ETL的框架;
[url=]Facebook Scribe[/url]:流日志数据聚合器;
[url=]Fluentd[/url]:采集事件和日志的工具;
[url=]Google Photon[/url]:实时连接多个数据流的分布式计算机系统,具有高可扩展性和低延迟性;
[url=]Heka[/url]:开源流处理软件系统;
[url=]HIHO[/url]:用Hadoop连接不同数据源的框架;
[url=]Kestrel[/url]:分布式消息队列系统;
[url=]LinkedIn Databus[/url]:对数据库更改捕获的事件流;
[url=]LinkedIn Kamikaze[/url]:压缩已分类整型数组的程序包;
[url=]LinkedIn White Elephant[/url]:日志聚合器和仪表板;
[url=]Logstash[/url]:用于管理事件和日志的工具;
[url=]Netflix Suro[/url]:像基于Chukwa 的Storm和Samza一样的日志聚合器;
[url=]Pinterest Secor[/url]:是实现Kafka日志持久性的服务;
[url=]Linkedin Gobblin[/url]:LinkedIn的通用数据摄取框架;
[url=]Skizze[/url]:是一种数据存储略图,使用概率性数据结构来处理计数、略图等相关的问题;
[url=]StreamSets Data Collector[/url]:连续大数据采集的基础设施,可简单地使用IDE。