常见的来自大数据采集工具有哪些?

问题补充说明：1、离线搜集工具：ETL；2、实时搜集工具：FlumeKafka；3、互联网搜集工具：Crawler,DPI等。... 1、离线搜集工具：ETL；2、实时搜集工具：Flume Kafka；3、互联网搜集工具：Crawler, DPI等。 展开

1、离线搜集工具：ETL

在数据仓库的语境下，ETL基本上便是数据搜集的代表360问答，包括数据的提取(台丝效Extract)、转换(Transform)和加载(Load)。在转换的过程中，需求针对具体的事务场景对数取算命怎显回取据进行治理，例如进行不合法数据备他小监测与过滤、格式转换与数据规范化、数据替换、确保数据完整性等。

2、实时搜集工具：Flume/Kafka

实时搜集首要用在带考虑流处理的事务场景，比方，用于记录数据源的履行的各种操作活动，比方网络监控的流量办理、金融运用的股票记账和web服务器记录的用户访问行为。在流处理场景，数据搜集会成为Kafka的顾客，就像一个水深承短坝一般将上游源源不断的数据拦截住，然后依据事务场景做对应的处理(宽费片导张笔例如去重、去噪、中心核算等)，之后再写入到对应的数据存储中。

3、互联网搜集工具：Crawler,DPI等

Scribe是Facebook开发的数据(日志)搜集体系。又被称为网页蜘蛛，网络机器人，是一种按照一跟不黄办曾死整思贵定的规矩，自动地抓取万维网信息的程序或者脚本，它支持图片、音频、视频等文件或露类天的决沿药止附件的搜集。

除了迫亮世呼规网络中包含的内容之外，关于网络流量的搜集能够运用DPI或DFI等带宽办理技术进行处理。

标签：采集,常见