史上最全的“大数据”学习资源（下）(3)

数据可视化

• ??Airpal：用于PrestoDB的网页UI；
• ??Arbor：利用网络工作者和jQuery的图形可视化库；
• ??Banana：对存储在Kibana中Solr. Port的日志和时戳数据进行可视化；
• ??Bokeh：一个功能强大的Python交互式可视化库,它针对要展示的现代web浏览器,旨在为D3.js风格的新奇的图形提供优雅简洁的设计,同时在大规模数据或流数据集中,通过高性能交互性来表达这种能力；
• ??C3：基于D3可重复使用的图表库；
• ??CartoDB：开源或免费增值的虚拟主机,用于带有强大的前端编辑功能和API的地理空间数据库；
• ??chartd：只带Img标签的反应灵敏、兼容Retina的图表；
• ??Chart.js：开源的HTML5图表可视化效果；
• ??Chartist.js：另一个开源HTML5图表可视化效果；
• ??Crossfilter：JavaScript库,用于在浏览器中探索多元大数据集,用Dc.js和D3.js.效果很好；
• ??Cubism：用于时间序列可视化的JavaScript库；
• ??Cytoscape：用于可视化复杂网络的JavaScript库；
• ??DC.js：维度图表,和Crossfilter一起使用,通过D3.js呈现出来,它比较擅长连接图表/附加的元数据,从而徘徊在D3的事件附近；
• ??D3：操作文件的JavaScript库；
• ??D3.compose：从可重复使用的图表和组件构成复杂的、数据驱动的可视化；
• ??D3Plus：一组相当强大的可重用的图表,还有D3.js的样式；
• ??Echarts：百度企业场景图表；
• ??Envisionjs：动态HTML5可视化；
• ??FnordMetric：写SQL查询,返回SVG图表,而不是表；
• ??Freeboard：针对IOT和其他Web混搭的开源实时仪表盘构建；
• ??Gephi：屡获殊荣的开源平台,可视化和操纵大型图形和网络连接,有点像Photoshop,但是针对于图表,适用于Windows和Mac OS X；
• ??Google Charts：简单的图表API；
• ??Grafana：石墨仪表板前端、编辑器和图形组合器；
• ??Graphite：可扩展的实时图表；
• ??Highcharts：简单而灵活的图表API；
• ??IPython：为交互式计算提供丰富的架构；
• ??Kibana：可视化日志和时间标记数据；
• ??Matplotlib：Python绘图；
• ??Metricsgraphic.js：建立在D3之上的库,针对时间序列数据进行最优化；
• ??NVD3：d3.js的图表组件；
• ??Peity：渐进式SVG条形图,折线和饼图；
• ??Plot.ly：易于使用的Web服务,它允许快速创建从热图到直方图等复杂的图表,使用图表Plotly的在线电子表格上传数据进行创建和设计；
• ??Plotly.js：支持plotly的开源JavaScript图形库；
• ??Recline：简单但功能强大的库,纯粹利用JavaScript和HTML构建数据应用；
• ??Redash：查询和可视化数据的开源平台；
• ??Shiny：针对R的Web应用程序框架；
• ??Sigma.js：JavaScript库,专门用于图形绘制；
• ??Vega：一个可视化语法；
• ??Zeppelin：一个笔记本式的协作数据分析；
• ??Zing Charts：用于大数据的JavaScript图表库.

物联网和传感器

• ??TempoIQ：基于云的传感器分析；
• ??2lemetry：物联网平台；
• ??Pubnub：数据流网络；
• ??ThingWorx：ThingWorx 是让企业快速创建和运行互联应用程序平台；
• ??IFTTT：IFTTT 是一个被称为 “网络自动化神器” 的创新型互联网服务,它的全称是 If this then that,意思是“如果这样,那么就那样”；
• ??Evrythng：Evrythng则是一款真正意义上的大众物联网平台,使得身边的很多产品变得智能化.

文章推荐

• ??NoSQL Comparison(NoSQL 比较)-?Cassandra vs MongoDB vs CouchDB vs Redis vs Riak vs HBase vs Couchbase vs Neo4j vs Hypertable vs ElasticSearch vs Accumulo vs VoltDB vs Scalaris comparison；
• ??Big Data Benchmark(大数据基准)-?Redshift,Hive,Shark,Impala and Stiger/Tez的基准；
• ??The big data successor of the spreadsheet(电子表格的大数据继承者) – 电子表格的继承者应该是大数据.

论文

2015 – 2016

• ??2015?–?Facebook?– One Trillion Edges: Graph Processing at Facebook-Scale.(一兆边：Facebook规模的图像处理)

2013 – 2014

• ??2014?–?Stanford?–?Mining of Massive Datasets.(海量数据集挖掘)
• ??2013?–?AMPLab?– Presto: Distributed Machine Learning and Graph Processing with Sparse Matrices.?(Presto：?稀疏矩阵的分布式机器学习和图像处理)
• ??2013?–?AMPLab?– MLbase: A Distributed Machine-learning System.?(MLbase：分布式机器学习系统)
• ??2013?–?AMPLab?– Shark: SQL and Rich Analytics at Scale.?(Shark: 大规模的SQL?和丰富的分析)
• ??2013?–?AMPLab?– ?GraphX: A Resilient Distributed Graph System on Spark.?(GraphX:基于Spark的弹性分布式图计算系统)
• ??2013?–?Google?– HyperLogLog in Practice: Algorithmic Engineering of a State of The Art Cardinality Estimation Algorithm.?(HyperLogLog实践:一个艺术形态的基数估算算法)
• ??2013?–?Microsoft?– Scalable Progressive Analytics on Big Data in the Cloud.(云端大数据的可扩展性渐进分析)
• ??2013?–?Metamarkets?– Druid: A Real-time Analytical Data Store.?(Druid：实时分析数据存储)
• ??2013?–?Google?–?Online,Asynchronous Schema Change in F1.(F1中在线、异步模式的转变)
• ??2013?–?Google?– F1: A Distributed SQL Database That Scales.?(F1: 分布式SQL数据库)
• ??2013?–?Google?–?MillWheel: Fault-Tolerant Stream Processing at Internet Scale.(MillWheel: 互联网规模下的容错流处理)
• ??2013?–?Facebook?– Scuba: Diving into Data at Facebook.?(Scuba: 深入Facebook的数据世界)
• ??2013?–?Facebook?– Unicorn: A System for Searching the Social Graph.?(Unicorn: 一种搜索社交图的系统)
• ??2013?–?Facebook?–?Scaling Memcache at Facebook. (Facebook 对 Memcache 伸缩性的增强)

（编辑：ASP站长网）