欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

Java开发者必备10大数据工具和框架

程序员文章站 2024-02-15 10:13:04
当今it开发人员面对的最大挑战就是复杂性,硬件越来越复杂,os越来越复杂,编程语言和api越来越复杂,我们构建的应用也越来越复杂。根据外媒的一项调查报告,中软卓越专家列出了...

当今it开发人员面对的最大挑战就是复杂性,硬件越来越复杂,os越来越复杂,编程语言和api越来越复杂,我们构建的应用也越来越复杂。根据外媒的一项调查报告,中软卓越专家列出了java程序员在过去12个月内一直使用的一些工具或框架,或许会对你有意义。

先来看看大数据的概念。根据*,大数据是庞大或复杂的数据集的广义术语,因此传统的数据处理程序不足以支持如此庞大的体量。

在许多情况下,使用sql数据库存储/检索数据都是很好的选择。而现如今的很多情况下,它都不再能满足我们的目的,这一切都取决于用例的变化。

现在来讨论一些不同的非sql存储/处理数据工具,例如,nosql数据库,全文搜索引擎,实时流式处理,图形数据库等。

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最丰富,最像关系数据库的,随着mongdb 3.4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。你可以试着从几大方面了解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restful web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。

apache cassandra是一套开源分布式nosql数据库系统。集google bigtable的数据模型与amazon dynamo的完全分布式架构于一身。于2008开源,此后,由于cassandra良好的可扩展性,被digg、twitter等web 2.0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的朋友来说,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ansi c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-memory data grid,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(the oldest member),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。

主要面向通用缓存、java ee和轻量级容器。

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。充分利用集群进行高速运算和存储。hadoop实现了一个分布式文件系统(hadoop distributed file system),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apache lucene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http get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 ——apache software foundation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danga interactive为了livejournal所发展的,但被许多软件(如mediawiki)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。

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持。