给Java开发者的十个大数据工具和框架
如今，IT开发人员面对的较大挑战就是复杂性，硬件越来越复杂，OS越来越复杂，编程语言和API越来越复杂，构建的应用也越来越复杂。今天，小编整理出了Java程序员一直使用的一些工具或框架，或许会对你有意义。
1、MongoDB——最受欢迎的，跨平台的，面向文档的数据库
MongoDB是一个基于分布式文件存储的数据库，使用C++语言编写。旨在为Web应用提供可扩展的高性能数据存储解决方案。应用性能高低依赖于数据库性能，MongoDB则是非关系数据库中功能丰富，最像关系数据库的，随着MongDB3.4版本发布，其应用场景适用能力得到了进一步拓展。MongoDB的核心优势就是灵活的文档模型、高可用复制集、可扩展分片集群。你可以试着从几个方面了解MongoDB，如实时监控MongoDB工具、内存使用量和页面错误、连接数、数据库操作、复制集等。
2、Elasticsearch——为云构建的分布式RESTful搜索引擎
ElasticSearch是基于Lucene的搜索服务器。它提供了分布式多用户能力的全文搜索引擎，基于RESTfulweb接口。Elasticsearch是用Java开发的，并作为Apache许可条款下的开放源码发布，是比较流行的企业级搜索引擎。ElasticSearch不仅是一个全文本搜索引擎，还是一个分布式实时文档存储，其中每个field均是被索引的数据且可被搜索，也是一个带实时分析功能的分布式搜索引擎，并且能够扩展至数以百计的服务器存储及处理PB级的数据。ElasticSearch在底层利用Lucene完成其索引功能，因此其许多基本概念源于Lucene。
3、Cassandra——开源分布式数据库管理系统
最初是由Facebook开发的，旨在处理许多商品服务器上的大量数据，提供高可用性，没有单点故障。ApacheCassandra是一套开源分布式NoSQL数据库系统。集GoogleBigTable的数据模型与AmazonDynamo的完全分布式架构于一身。此后，由于Cassandra良好的可扩展性，被Digg、Twitter等Web2.0网站所采纳，成为了一种流行的分布式结构化数据存储方案。因Cassandra是用Java编写的，所以理论上在具有JDK6及以上版本的机器中都可以运行，官方测试的JDK还有OpenJDK及Sun的JDK。Cassandra的操作命令类似于我们平时操作的关系数据库，对于熟悉MySQL的小伙伴来说，操作会很容易上手。
4、Redis——开源(BSD许可)内存数据结构存储，用作数据库，缓存和消息代理
Redis是一个开源的使用ANSIC语言编写的、支持网络、可基于内存亦可持久化的日志型、Key-Value数据库，并提供多种语言的API。Redis有三个主要使其有别于其它很多竞争对手的特点：Redis是完全在内存中保存数据的数据库，使用磁盘只是为了持久性目的;Redis相比许多键值数据存储系统有相对丰富的数据类型;Redis可以将数据复制到任意数。
5、Hazelcast——基于Java的开源内存数据网格
Hazelcast是一种内存数据网格in-memorydatagrid，提供Java程序员关键任务交易和万亿级内存应用。虽然Hazelcast没有所谓的“Master”，但是仍然有一个Leader节点(theoldestmember)，这个概念与ZooKeeper中的Leader类似，但是实现原理却完全不同。同时，Hazelcast中的数据是分布式的，每一个member持有部分数据和相应的backup数据，这点也与ZooKeeper不同。Hazelcast的应用便捷性深受开发者喜欢，但如果要投入使用，还需要慎重考虑。
6、EHCache——广泛使用的开源Java分布式缓存
EhCache是一个纯Java的进程内缓存框架，具有快速、精干等特点，是hibernate中默认的CacheProvider。主要特性有快速简单，具有多种缓存策略；缓存数据有两级，内存和磁盘，因此无需担心容量问题；缓存数据会在虚拟机重启的过程中写入磁盘；可以通过RMI、可插入API等方式进行分布式缓存；具有缓存和缓存管理器的侦听接口；支持多缓存管理器实例以及一个实例的多个缓存区域；提供Hibernate的缓存实现。
7、Hadoop——用Java编写的开源软件框架，用于分布式存储，并对非常大的数据用户可以在不了解分布式底层细节的情况下，开发分布式程序
Hadoop实现了一个分布式文件系统(HadoopDistributedFileSystem)，简称HDFS。Hadoop的框架最核心的设计就是HDFS和MapReduce。HDFS为海量的数据提供了存储，MapReduce则为海量的数据提供了计算。
8、Solr——开源企业搜索平台，用Java编写，来自ApacheLucene项目
Solr是一个独立的企业级搜索应用服务器，它对外提供类似于Web-service的API接口。用户可以通过http请求，向搜索引擎服务器提交一定格式的XML文件，生成索引；也可以通过HttpGet操作提出查找请求，并得到XML格式的返回结果。与ElasticSearch一样，同样是基于Lucene，但它对其进行了扩展，提供了比Lucene更为丰富的查询语言，同时实现了可配置、可扩展并对查询性能进行了优化。
9、Spark——ApacheSoftwareFoundation中最活跃的项目，是一个开源集群计算框架
Spark是一种与Hadoop相似的开源集群计算环境，但是两者之间还存在一些不同之处，这些不同之处使Spark在某些工作负载方面表现得更加优越，换句话说，Spark启用了内存分布数据集，除了能够提供交互式查询外，它还可以优化迭代工作负载。Spark是在Scala语言中实现的，它将Scala用作其应用程序框架。与Hadoop不同，Spark和Scala能够紧密集成，其中的Scala可以像操作本地集合对象一样轻松地
10、Memcached——通用分布式内存缓存系统。
Memcached是一套分布式快取系统，当初是DangaInteractive为了LiveJournal所发展的，但被许多软件所使用。Memcached作为高速运行的分布式缓存服务器，具有以下的特点：协议简单，基于libevent的事件处理，内置内存存储方式。
腾科IT教育
