給Java開發者的10個大數據結構和工具

當今IT開發人員面對的最大應戰即是雜亂性,硬件越來越雜亂,OS越來越雜亂,編程語言和API越來越雜亂,咱們構建的運用也越來越雜亂。依據外媒的一項調查報告,中軟杰出專家列出了Java程序員在曩昔12個月內一向運用的一些東西或結構,或許會對你有意義。

先來看看大數據的概念。根據維基百科,大數據是龐大或復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數據庫存儲/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,這一切都取決于用例的變化。

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

1、MongoDB——最受歡迎的,跨平臺的,面向文檔的數據庫。

MongoDB是一個基于分布式文件存儲的數據庫,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。應用性能高低依賴于數據庫性能,MongoDB則是非關系數據庫中功能最豐富,最像關系數據庫的,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、高可用復制集、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、數據庫操作、復制集等。

2、Elasticsearch ——為云構建的分布式RESTful搜索引擎。

ElasticSearch是基于Lucene的搜索服務器。它提供了分布式多用戶能力的全文搜索引擎,基于RESTful web接口。Elasticsearch是用Java開發的,并作為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,并且能夠擴展至數以百計的服務器存儲及處理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于Lucene。

3、Cassandra——開源分布式數據庫管理系統,最初是由Facebook開發的,旨在處理許多商品服務器上的大量數據,提供高可用性,沒有單點故障。

Apache Cassandra是一套開源分布式NoSQL數據庫系統。集Google BigTable的數據模型與Amazon Dynamo的完全分布式架構于一身。于2008開源,此后,由于Cassandra良好的可擴展性,被Digg、Twitter等Web 2.0網站所采納,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,類似于我們平時操作的關系數據庫,對于熟悉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,用作數據庫,緩存和消息代理。 Redis是一個開源的使用ANSI?C語言編寫的、支持網絡、可基于內存亦可持久化的日志型、Key-Value數據庫,并提供多種語言的API。Redis 有三個主要使其有別于其它很多競爭對手的特點:Redis是完全在內存中保存數據的數據庫,使用磁盤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可以將數據復制到任意數

5、Hazelcast ——基于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、精干等特點,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,內存和磁盤,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盤;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接口;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編寫的開源軟件框架,用于分布式存儲,并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 ——開源企業搜索平臺,用Java編寫,來自Apache Lucene項目。

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

與ElasticSearch一樣,同樣是基于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、可擴展并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,除了能夠提供交互式查詢外,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松地

10、Memcached ——通用分布式內存緩存系統。

Memcached是一套分布式快取體系,當初是Danga Interactive為了LiveJournal所開展的,但被很多軟件(如MediaWiki)所運用。Memcached作為高速運行的分布式緩存服務器,具有以下的特色:協議簡單,根據libevent的事件處理,內置內存存儲方法。

相關新聞

聯系我們

400-080-6560

在線咨詢:點擊這里給我發消息

郵件:[email protected]

工作時間:周一至周日,09:00-18:30

QR code
云南快乐10分开奖直播