【51CTO.com快譯】在開發(fā)人員開發(fā)Hadoop以克服大數(shù)據(jù)帶來的挑戰(zhàn)之后的10年間，這些技術的生態(tài)系統(tǒng)在不斷發(fā)展壯大。Apache軟件基金會下面有眾多的開源大數(shù)據(jù)技術項目。本文介紹一些重要項目，并順便了解幾個新興項目。

[[163552]]

管理和分析大數(shù)據(jù)已經(jīng)變成了重大挑戰(zhàn)，數(shù)量急劇增加的信息從社交媒體、連接到物聯(lián)網(wǎng)中“物件”的傳感器、結構化數(shù)據(jù)、非結構化數(shù)據(jù)以及可以收集的其他一切數(shù)據(jù)收集而來。為了應對這項任務，開發(fā)人員已開發(fā)了一系列新的開源技術。

旗艦軟件Apache Hadoop是Apache軟件基金會的一個項目，它在上個月迎來了十周年。這十年已發(fā)生了很大的變化。如今，另外許多技術也是大數(shù)據(jù)和Hadoop生態(tài)系統(tǒng)的一員，它們大多數(shù)都歸屬Apache軟件基金會。

開發(fā)人員和企業(yè)組織在使用諸多項目，開發(fā)大數(shù)據(jù)技術，并將它們捐獻給開源社區(qū)，以便進一步發(fā)展和采用，其中就包括Spark、Hive、HBase和Storm。

在網(wǎng)飛和領英等一些企業(yè)，其中一些技術已用于生產(chǎn)環(huán)境。它們讓企業(yè)組織能夠實時處理海量數(shù)據(jù)，并轉換那些數(shù)據(jù)，為最終客戶改善服務。

這些大數(shù)據(jù)技術常常脫胎于試圖改善大數(shù)據(jù)技術的工作方式、加快處理速度的企業(yè)組織。它們代表了生態(tài)系統(tǒng)的演變之路和下一波開源技術，這證明明智的參與者組成的社區(qū)取得的發(fā)展勝過專有企業(yè)環(huán)境里面的發(fā)展。

當前的開源和大數(shù)據(jù)時代完全始于Hadoop，它常常被譽為是一種面向分布式存儲的開源框架，用于在大眾化硬件上處理龐大數(shù)據(jù)集。

Hadoop發(fā)行版公司Hortonworks的企業(yè)戰(zhàn)略副總裁Shaun Connolly在接受采訪時告訴《信息周刊》雜志：“作為一種新興的數(shù)據(jù)架構，Hadoop成為備受矚目的中心。Hadoop周圍出現(xiàn)了這個生態(tài)系統(tǒng)，備受關注的項目圍繞它壯大起來。”

而發(fā)展并未止步。新的項目一直被Apache軟件基金會納入到大數(shù)據(jù)生態(tài)系統(tǒng)。最近，Apache Arrow就成了一個頂級項目。其他項目可能會作為Apache軟件基金會的孵化器計劃(Incubator)的一員而進入生態(tài)系統(tǒng)。去年年底，IBM面向Spark的SystemML機器學習引擎就得到了接受，成為一個孵化器項目。

有許多項目是Apache軟件基金會的大數(shù)據(jù)生態(tài)系統(tǒng)的一員。本文介紹了一些重要項目，還介紹了幾個新興項目。歡迎留言交流!

Hadoop

Hadoop其實是開源大數(shù)據(jù)領域的旗艦技術。它是由雅虎的一個編外項目發(fā)展起來的，當時開發(fā)人員需要一種方法來存儲和處理他們使用新的搜索引擎收集而來的海量數(shù)據(jù)。這項技術最終捐獻給了Apache軟件基金會。如今有來自商用公司的三大發(fā)行版：Cloudera、Hortonworks和MapR。Hadoop的開發(fā)者之一Doug Cutting最近接受了《信息周刊》雜志的采訪，暢談了Hadoop的發(fā)展。

Hive

Apache Hive最初由Facebook開發(fā)，后來捐獻給了Apache軟件基金會。這項技術是一種建立在Hadoop基礎上的數(shù)據(jù)倉庫基礎設施，提供了數(shù)據(jù)匯總、查詢和分析。

使用Hive的公司包括CNET和eHarmony。

HBase

Apache HBase脫胎于一家名為Powerset的公司所搞的一個項目，2008年該公司被微軟收購。其目的是，處理海量數(shù)據(jù)，便于自然語言搜索。這項技術是一種非關系型的開源分布式數(shù)據(jù)庫，仿照了谷歌的BigTable，用Java編寫而成。2010年，HBase成為Apache軟件基金會的一個項目。

如今使用HBase的公司包括Adobe、Facebook、Meetup和趨勢科技。

Spark

Apache Spark儼然就是大數(shù)據(jù)生態(tài)系統(tǒng)冉冉升起的明星。這項技術最初由加州大學伯克利分校的AMP實驗室開發(fā)。它可以取代Hadoop的MapReduce，不過速度更快，因為Spark改而使用內存中處理技術，其性能最多高出100倍，這取決于具體應用。

Spark的開發(fā)人員現(xiàn)在供職于Databricks，該公司是支持Apache軟件基金會內部這個項目的主力軍，它還提供商用的Spark即服務( Spark-as-a-Service)。截至2015年年底，Spark是所有大數(shù)據(jù)項目中最活躍的開源項目，之前12個月有600多個代碼捐獻者。

如今許多公司使用Spark，包括亞馬遜、Autodesk、電子港灣、Groupon、OpenTable和TripAdvisor。

Kafka

Apache Kafka起初只是領英公司內部的一個項目，作為一種消息傳遞系統(tǒng)，用于代理安排該公司面向消費者的職業(yè)網(wǎng)站及平臺生成和處理的海量實時數(shù)據(jù)。

2011年，Kafka捐獻給了開源社區(qū)，2012年從Apache孵化器計劃出來。當初開發(fā)Kafka的領英開發(fā)人員成了從領英拆分出來的Confluent這家新公司的成員。

使用Kafka的公司包括領英、推特、網(wǎng)飛、Pinterest、高盛和Coursera。

Storm

Apache Storm在其項目頁面上的描述是，這是一種分布式實時計算系統(tǒng)，讓用戶很容易可靠地處理無限制的數(shù)據(jù)流，正如Hadoop用于批量處理，Storm用于實時處理。

這項技術有時被稱為是Spark的替代技術。2011年，開發(fā)Storm的公司BackType被推特收購。2014年，從孵化器計劃出來后，Storm成為了Apache軟件基金會的一個頂級項目。

此后，推特開發(fā)了自己的內部系統(tǒng)，用于處理最初分派給Storm的任務。使用Storm的公司包括雅虎和Spotify。

Nifi

Apache Nifi原先名叫Niagara Files，這個技術轉讓項目由美國國家安全局(NSA)開發(fā)，2014年11月，它作為一個孵化器項目，捐獻給Apache軟件基金會。2015年，它成了一個頂級項目。

Nifi旨在處理這個問題：如何讓數(shù)據(jù)在系統(tǒng)之間的流動實現(xiàn)自動化。其在Apache軟件基金會上的項目頁面介紹，這項技術“支持功能強大、可擴展的有向圖，這些有向圖涉及數(shù)據(jù)路由、轉換和系統(tǒng)中介邏輯。”

它提供了一種基于Web的用戶界面。另外，與NSA開發(fā)的其他項目一樣，它也提供了安全功能，包括SSL、SSH、HTTPS、加密內容，以及可插入式、基于角色的驗證和授權機制。

Flink

2015年1月，Apache基金會接受Apache Flink成為一個頂級項目。這項技術是一種面向批量數(shù)據(jù)和流數(shù)據(jù)的分布式數(shù)據(jù)分析引擎，它提供了使用Java和Scala的編程API。

該項目脫胎于柏林的Stratosphere研究項目。使用Flink的企業(yè)組織包括第一資本(Capital One)和Data Artisans。

Arrow

這個月，Apache Arrow被Apache軟件基金會接收為一個頂級項目。這項技術源自Dremio公司，這家公司還捐獻了Apache Drill項目。Dremio的幾位創(chuàng)始人是從MapR出來的，這是一家Apache Hadoop發(fā)行版公司。

據(jù)Apache軟件基金會聲稱，Arrow最初是靠來自Apache Drill項目的代碼起家的。據(jù)Dremio的聯(lián)合創(chuàng)始人兼首席技術官Jacques Nadeau聲稱，Arrow提供了列式內存分析功能。

Apache軟件基金會的更多大數(shù)據(jù)項目

這些是Apache軟件基金會里面Hadoop生態(tài)系統(tǒng)中一些備受關注的大數(shù)據(jù)項目。另外許多是捐獻而來的。所有這些項目的開發(fā)工作都在進行之中，Apache軟件基金會的網(wǎng)站對它們都有全面記載。

Connolly告訴《信息周刊》雜志：“Apache之道就是社區(qū)比代碼重要。雖然技術值得關注，但是Apache之道是把社區(qū)放在首位。”

原文標題：Hadoop Ecosystem Evolves: 10 Cool Big Data Projects

【51CTO譯稿，合作站點轉載請注明原文譯者和出處為51CTO.com】