Pentaho Data Integration PDI (anciennement Kettle) permet l’accès, l’exploration et l’organisation des données provenant de tout type de sources Hadoop, NoSQL, bases de données analytiques... afin de réaliser des analyses approfondies. Pentaho Data Integration offre une grande connectivité aux données de formats très divers structurées, semi-structurées et non structurées ...
Apache Spark exécute en une seule fois la totalité des opérations d'analyse de données en mémoire et en quasi-temps réel. Spark peut être jusqu'à 100 plus rapide que MapReduce pour l'analyse en mémoire. C'est la solution de fait pour l'analyse en streaming (capteurs, campagnes de marketing en temps-réel, recommandations, analyse de sentiments, surveillance des logs...)
Cloudera CDH(Cloudera Distribution Hadoop) est une distrbution totalement Open source sous licence Apache. Intègre des composants de base d'Apache Hadoop qui, couplés à d'autres briques tiers constituent une plateforme unifiée offrant des fonctionnalités de traitement par lots, de requêtes SQL et de recherches interactives, de sécurité avec un contrôle d'accès aux données fonction du profil de l'utilisateur.
Scala présente de fonctionnalités de traitements asynchrones permettant ainsi de paralléliser et de distribuer les opérations réalisées sur de gros volumes de données. Grâce à son paradigme de programmation à la fois fonctionnelle et orienté objet, un code en Scala est à la fois conçis et robuste. C'est le langage parfait pour l'ingénierie de la Data science...
Talend Data Integration permet d’accéder, de transformer et d’intégrer des données de tout système en temps réel ou par lots afin de répondre aux besoins d’intégration de données opérationnelles et analytiques. Fort de plus de 800 connecteurs, Talend intègre presque toutes les sources possibles de données...