数据库

PyMongo模块的使用-MongoDB的Python接口

MapReduce将数据分解成子集，在不同机器上分开处理，并把结果集合起来，从而处理大数据的泛化框架。

Hadoop是MapReduce的一种实现，类似于C++是面向对象编程的实现一样。

NoSQL-Not Only SQL，技能能更新颖，更高效地访问(如MapReduce)数据的数据库或数据库管理系统

Spark 由一个驱动程序构成，它运行用户的 main 函数并在聚类上执行多个并行操作。Spark 最吸引人的地方在于它提供的弹性分布数据集（RDD），那是一个按照聚类的节点进行分区的元素的集合，它可以在并行计算中使用。RDDs 可以从一个 Hadoop 文件系统中的文件（或者其他的 Hadoop 支持的文件系统的文件）来创建，或者是驱动程序中其他的已经存在的标量数据集合，把它进行变换。用户也许想要 Spark 在内存中永久保存 RDD，来通过并行操作有效地对 RDD 进行复用。最终，RDDs 无法从节点中自动复原。

• 离线数据处理: hadoop / hbase / cassandra
• 在线数据处理：storm / s4
• 跨语言通信：thrift / proobuf / avro, elephant bird
• 一致性：zoo keeper / chubby
• 数据查看：hive / pig
• 数据传输：scribe

大数据

按照马云的说法，