1.Hadoop

Hadoop是稳定企业实力和其他一切工作的基础。你需要利用YARN，HDFS和Hadoop中的基础设施，存储原始数据以及运行关键的大数据服务和应用程序。

2.Spark

Spark易于使用，并且支持所有重要的大数据语言(Scala，Python，Java，R)。同时，Spark还是一个巨大的生态系统，发展迅速，便于支持microbatching/batching/SQL。这是另一个不费脑筋的技术。

3.NiFi

NiFi是NSA工具，它可以用最少的编码和一个光滑的UI，提供简单的数据摄取、存储和处理各种来源数据。这些数据的来源包括社交媒体，JMS，NoSQL，SQL，Rest/JSONFeeds，AMQP，SQS，FTP，Flume，ElasticSearch，S3，MongoDB，Splunk，Email，HBase，Hive，HDFS，AzureEventHub，Kafka等等。如果NiFi没有你需要的来源或汇集，你可以为NiFi直接用Java代码编写自己的处理器。NiFi是另一个推荐选入工具箱中的Apache项目，是大数据工具中的瑞士军刀。

4.ApacheHive2.1

ApacheHive是运行在Hadoop之上的永久SQL解决方案。在ApacheHive2.1最新版本中，性能和功能上的增强使Hive成功作为SQL大数据解决方案留在榜单。

5.Kafka

Kafka是大数据系统间进行异步、分布式消息传递的选择，它能够进入大多数的堆栈。从Spark到NiFi，到第三方工具，再到Java和Scala，它很好地维系了系统。Kafka需要在栈中应用。

6.Phoenix-HBase

由于很多公司都在应用HBase，也就导致了这个开源项目的数据规模极大。在HDFS支持下，NoSQL能够很好地集成所有工具。所以，在HBase上额外构建的Phoenix成为了NoSQL首选。这增强了HBase的SQL、JDBC、OLTP和运营分析能力。

7.Zeppelin

在使用Hive，Spark，SQL，Shell，Scala，Python以及许多其他的数据挖掘和机器学习工具时，Zeppelin是一款便捷、集成性较高的notebook工具。在易于使用的同时，Zeppelin能够以很好的方式来探索和查询数据。而且这个工具可以支持多种环境和功能，用户只需要经常更新图表和映射数据即可。

8.SparklingWater

SparklingWater弥补了Spark中MachineLearning和其他工作间的空缺，提供所有可能用到的机器学习服务。

9.ApacheBeam

ApacheBeam是一个用Java编写的统一框架，用于数据处理和管道开发。同时，它也可以支持Spark和Flink。其他的框架很快也会上线，用户不必再去学习太多的框架。

10.StanfordCoreNLP

NaturalLanguageProcessing目前应用极广且增长迅速，StanfordCoreNLP也在不断地提高他们的框架性能。

时下有数不清的大数据项目，所以最好的办法就是合并及测试不同项目版本，来确保他们在安全和管理上都能够顺畅运行。

本文转自d1net（转载）