搞定Office每周三更新

「搞定Office」是黑马公社全新的七大版块之一，每周三更新，教授Office等办公软件的各种应用技巧。

◆◆◆

如何利用数据透视表快速进行数据汇总

黑马说：在Excel2013版本中，大家知道如何对繁杂的数据进行梳理，通过分析查看数据背后的联系吗？今天黑马就教你通过数据透视表快速的进行数据汇总！

投稿：千禧世代

◆◆◆

图文说明

操作放法

打开EXCEL表格，点击 “插入” 菜单栏，在最左端有一个“数据透视表”。

点击后会弹出一个“创建数据透视表”的对话框，然后再点击右方的按钮。

再点选我们需要做统计的范围，以下是示例中点选范围。

然后再选择放置数据透视表的位置，点选“新工作表”，这样它会在保存的时候新建一个工作表，然后再点击确定。

这样它就会新建一个工作表，起名为“Sheet1”。然后我们在右侧——“数据透视表字段”下方，将“职称”拖到行标签下，“籍贯”拖到列标签下，”基本工资“拖到值标签下。

然后左侧表格就显示出来了，我们再给其加一个边框，就成了如图所示的样子，一张数据透视表就完成了。

分析

我们可以从这个表中分析得出，唐山市的讲师基本工资是983元，而其教授的基本工资是900元。

这里讲师的基本工资是所有唐山市讲师基本工资之和，而总计下方表示的是唐山市所有职称的基本工资之和。

这个表里的所有数据都是通过求和计算的，如果我们想求其平均值，我们需要这样操作：在表格右方”数据透视表字段“中的”值“列表下，有一个倒三角符号，点击之后在下拉菜单中，选择”值字段设置“。

在值汇总方式下方，选择“平均值”，点击确定后，列表中的数据就是平均值的结果。

注意：

1.在选择区域的时候，一定要连带表头一起选择。

2.为了不影响之前的数据信息，建议在新表中创建数据透视表。

excel数据太多，如何批量、快速的判断并进行统计呢？

举个例子，假如公司需要进行优秀员工数量统计，我们现在有这样一些excel数据:

我们需要统计的excel数据

我们现在的要求是，计算excel里完成力、执行力、创新力任意一项大于98，就算优秀员工，有人说，这个不是很简单吗？我们来数一数，张三执完成力96、执行力65、创新力78，不满足，李四完成力73、执行力83、创新力83，不满足，以此类推，当然，数量少是没有问题的，不过要是员工人数几千或者上万呢，我的天呐，要累死人啦！

那么，excel里有快速的办法吗？有的！

excel，需要显示优秀员工的单元格输入=IF(OR(B2>=95,C2>=95,D2>=95),"优秀员工","")，向下填充，在需要统计人数的单元格输入=COUNTIF(E2:E9,"优秀员工")，哇，瞬间得到结果，何惧几千上万呢？

excel瞬间完成的计算

excel需要的单元格输入函数

这是什么意思呢？if函数就是假如的意思，or就是或者，意思就是假如引用单元格1大于等于98，或者引用单元格2大于等于98，或者引用单元格3大于等于98，假如有1个条件满足，就是优秀员工，否则的话就为空。

COUNTIF自然就是计算满足条件的单元格个数啦。

怎么样，很简单吧，你学会了吗？快去试试吧！非常感谢您观看文本，如果你有更好的方法适用这个情况，请您留言分享！分享好玩、有趣、实用的手机和电脑技巧，您的支持就是我的最大动力！

想要这样的效果？ 往下看~

在表格中选中任意需要分类汇总的任意单元格，然后使用【Ctrl ＋ A 】组合键，然后选中整个区域；

如图所示：

依次选中表格左上角的【数据】按钮，然后选中【分类汇总】按钮；

如图所示：

在弹出的【分类汇总】菜单中，我们选中【分类字段】是 按照门店划分，汇总方式选中【求和】（可以有多个不同的选项，计算平均值等），然后勾选需要汇总的类目，点击【确定】；

如图所示：

如果是数据量较大的可能自动生成的会慢些，这个时候我们会注意到，图表中的汇总值是红色显示这个是为了更加明确的标注；那么怎么才可以调整为红色呢？如果是一个一个填充颜色肯定是慢了些！

这个时候可以用到【筛选功能】，然后选中【文本筛选】选中【包含】，在弹出的提示框中输入汇总行的共同字符【汇总】，然后【确定】

如图所示：

最后一步，把字体着色后，然后在筛选功能中，选中全选数据，确定，就可以看到如图所示效果，数据和汇总值为两种颜色；

如图所示：

我的 安志斌

60秒get一个HR实用小技巧

在用EXCEL做统计表时，经常会遇到一个问题：相同项目的工作表有N个，需要汇总时，该怎么办？难道要一个个地Ctrl+V吗？

当然不是了！如果要使用那么累的方法，EXCEL就一点都不智能了！贴心的小薪今天就来教大家一个简单的方法，让宝宝们能快速hold住多个工作表的合并！

我们先看看需要合并的工作表长啥样

▼

工作表1

工作表2

类似的工作可能会有很多，除了上述举例的各地区的销售量表，还可以是员工的其他信息表，小薪就不一一举例了，宝宝们各自灵活套用吧！

▼

下面我们开始正式讲解，如何快速实现多表合并。

新建一个的工作表，命名为“汇总”（或其他任何你需要的名字）

在“汇总”表的A1单元格，选择“数据”——“合并计算”

“函数”在此时选择“求和”（可根据自己需要，自行选择其他函数）

“引用”处，我们选择需要汇总的各个工作表里的对应数据

5.选择下图中的“+”，添加我们刚刚选择好的引用位置

6.重复第4步和第5步，添加完所有我们需要汇总的工作表数据

7.标签位置选择默认的“首行”、“最左列”，然后选择“确定”

下面我们看一下完整动图演示

▼

以上就是小薪交给大家的“多表合并”的小技巧啦！希望大家活学活用，让“合并计算”完美代替Ctrl + V ！

-END-

快速整理数据

大家好，今天和大家分享“快速整理数据”

一、1位朋友问：

请教一下大家，遇到如下这种情况如何处理？

有若干订单号，每个订单号对应若干的发货单号（有多有少），现要求按下面的形式进行排列，使所有发货单号在一列中显示。得到下图的效果

二、答：透视表里多重透视实现

具体操作见动画

三、操作详细步骤

1、快捷键Al+D+P打开多重透视表，按住Alt不放，点一下D,松开D，然后点一下P，松开P

2、选择“多重合并计算数据区域”，点下一步

3、第2个下一步不管它，点下一步

4、在第3个下一步中，选定区域中，选择区域B1：F4,然后点添加，下一步

5、选择“现有工作表”，选择A21单元格，点完成

6、双击生成的透视表，行和列交叉的最后一个单元格，就会生成一个新的工作表

7、删除没有用的列

8、用定位空值删除没有用的行

在Excel中，多页签的数据汇总，是一个出镜频率极高的问题，有人用VBA，有人用函数，有人用最传统的方式……总之，就是八仙过海，各显神通……

然而，模式虽多，但当Excel小白实操起来，大脑又是一片空白……

So，今天介绍2种方法，只需10秒，便可对Excel多页签进行快速有效的汇总。

例如：当总部要汇总各区域的销售数据时，你拿到的表可能是这样的：

其中，每个页签的样式格式都一样，而现在要做的就是，将各区域的销售业绩全部汇总的合计页签中

如果是职场小白，相信只能是这样弱弱的累加操作：

如果有30+以上的区域公司，岂不手残模式！

你说，你不累，谁累呢？

而今天，要介绍两种方式：

1

函数法

使用的是最为常见的SUM函数

操作方法：在合计页面中，输入=SUM(，然后开始点击第一个要汇总的页签的对应单元格，然后按住SHIFT不放，直接点选最后一个页签的对应单元格，回车即可

这里便是采用了SUM函数的优势，将多个连续页签的对应单元格进行有效汇总，怎么样，是不是比传统的方式快很多？

2

功能法

使用的是合并计算功能

操作方法：点选到对应的单元格，然后在【数据】-【合并】页签中，选择【合并计算】，然后逐次添加对应页签的单元格区域，看似复杂，其实操作过程都比较自动化，也比较高效，基本不超10秒，便能有效的进行数据汇总

当然，针对这种类型的数据汇总，还有其他方式，但无论那种，只要能快速解决你的问题，即可。

你，学会了吗？

说到Excel表格的使用，很多人首先想到的肯定是求和、统计、函数、透视表等等，对于这些常用的Excel功能技巧，我们就不多说了，

其实在Excel表格中，它还有一个隐藏的小技巧——快速分析，不知道有多少人知道了？

1.图表功能

在Excel表格制作中，我们可以通过快速分析功能快速制作图表，其实用这个快速分析功能是非常简单的，首先选中【数据】-点击数据右下角的【快速分析功能】-选择【图表】，这时我们选择的图表就会根据单元格中的数据进行变化，用这个完成图表的创建是十分的简单、方便。

2.数据条功能

数据条功能其实是相对于【条件格式】，首先全选数据，然后通过点击快速分析中的【格式化】选择【数据条】，然后点击【色阶】进行对数据的填充，最后点击【大于】标记处特定大小数据，这样我们的整个数据条就会变得很清晰

3.迷你图功能

迷你图功能也是包含在快速分析功能中的，其实他的操作和上面的差不多，都需要先选中数据，然后点击快速功能中的迷你图，然后我们可以对创建好的迷你图进行修改，如，点击【设计】，标出最高点。

4.汇总功能

很多时候，我们需要对数据进行汇总求和，有的是需要利用公式才能进行计算，今天的这种最常规的计算是不需要进行输入公式或是函数的。具体操作如下：

选中数据区域，然后通过快速分析功能选择【汇总】，然后就可以对数据进行求和、求平均值等计算。

5.表格功能

虽然我们可以用菜单中的功能对数据制作透视表，但今天我们不用菜单栏中的功能制作，用的是Excel中隐藏的功能——快速分析功能

首先选中数据区域，然后利用快速分析功能中的【表格】功能，然后点击【透视表】，就可以对数据制作透视表了。

在Excel表格制作时，这些都是我们需要用到的一些小技巧，虽然这只是一个小小的功能，但可以给你带来不少的便捷了，喜欢就赶紧动手试试吧。

大家好，今天和大家分享"快速按年，月，季度汇总",这是许多在职工作人员经常要汇总的，月总结，季度总结，年总结，有的人可能会用函数，或者是手动，或者先筛选，然后选择数据在状态标显示求和结果，我早在10年前就是这样干的，建议大家用数据透视表，非常快捷方便

一、动画操作步骤

二、详细步骤

第一步：把光标定位数据源里第二步：插入选项卡→透视表第三步：选择数据透视表存放位置，选择新建第四步：在字段字列中钩上日期和销售量第五步：光标定位到日期字段任意一个单元格→右击→创建组，如果是2007版本称组合第六步：根据汇总的要求，选择年，月，季度，或者全选

关于多表汇总的问题，我在类似的问题中介绍了一种非常好的方法：Power Query（有兴趣的同学，请参考仅需3分钟，轻松帮你搞定Excel多表数据汇总）。下面我来介绍一种更为简单的汇总多表数据的技巧。如何快速汇总下图中的12个sheet中的数据到总表呢？

一、无链接简单汇总法（各个数据源发生变化，汇总表不发生变化）

1.选择sheet汇总中的任意空白单元格，依次单击“数据”--“合并计算”，如下图所示：

2.在弹出的对话框中函数设置为：“求和”。单击引用位置的折叠按钮选择在各个sheet中的数据区域并添加到所有引用位置列表中。勾选标签位置下的“首行”和“最左列”选项，单击确定。

3.我们将得到如下的汇总表，这时候我们可以删除B列和C列，或者将任意sheet中的B列和C列数据复制粘贴到汇总表中即可。

二、有链接的数据汇总（汇总结果随数据源的变化而变化）

此种方式与上面介绍的方法唯一不同的地方就在于多勾选了一个选项，操作技巧都一样，只是在上面设置合并计算对话框时勾选一下：“创建指向源数据的链接”即可。

得到的结果也会有所不同。

包含了公式，且前面变成分类汇总的样式。

1、 Talend Open Studio

是第一家针对的数据集成工具市场的ETL(数据的提取Extract、传输Transform、载入Load)开源软件供应商。Talend的下载量已超过200万人次，其开源软件提供了数据整合功能。其用户包括美国国际集团（AIG）、康卡斯特、电子港湾、通用电气、三星、Ticketmaster和韦里逊等企业组织。

2、DYSON

探码科技自主研发的DYSON智能分析系统，可以完整的实现大数据的采集、分析、处理。DYSON智能分析系统专业针对互联网数据抓取、处理、分析，挖掘。可以灵活迅速地抓取网页上散乱分布的信息，并通过强大的处理功能，准确挖掘出所需数据，是目前使用人数最多的网页采集工具.

3、YARN

一种新的Hadoop资源管理器，它是一个通用资源管理系统，可为上层应用提供统一的资源管理和调度，解决了旧MapReduce框架的性能瓶颈。它的基本思想是把资源管理和作业调度/监控的功能分割到单独的守护进程。

4、Mesos

由加州大学伯克利分校的AMPLab首先开发的一款开源群集管理软件，支持Hadoop、ElasticSearch、Spark、Storm 和Kafka等架构。对数据中心而言它就像一个单一的资源池，从物理或虚拟机器中抽离了CPU，内存，存储以及其它计算资源， 很容易建立和有效运行具备容错性和弹性的分布式系统。

5、Datale

由探码科技研发的一款基于Hadoop的大数据平台开发套件，RAI大数据应用平台架构。

6、 Ambari

作为Hadoop生态系统的一部分，提供了基于Web的直观界面，可用于配置、管理和监控Hadoop集群。目前已支持大多数Hadoop组件，包括HDFS、MapReduce、Hive、Pig、 Hbase、Zookeper、Sqoop和Hcatalog等。

7、ZooKeeper

一个分布式的应用程序协调服务，是Hadoop和Hbase的重要组件。它是一个为分布式应用提供一致性服务的工具，让Hadoop集群里面的节点可以彼此协调。ZooKeeper现在已经成为了 Apache的顶级项目，为分布式系统提供了高效可靠且易于使用的协同服务。

8、Thrift

在2007年facebook提交Apache基金会将Thrift作为一个开源项目，对于当时的facebook来说创造thrift是为了解决facebook系统中各系统间大数据量的传输通信以及系统之间语言环境不同需要跨平台的特性。

9、Chukwa

监测大型分布式系统的一个开源数据采集系统。建立在HDFS/MapReduce框架之上并继承了Hadoop的可伸缩性和可靠性，可以收集来自大型分布式系统的数据，用于监控。它还包括灵活而强大的显示工具用于监控、分析结果。

10、Lustre

一个大规模的、安全可靠的、具备高可用性的集群文件系统，它是由SUN公司开发和维护的。该项目主要的目的就是开发下一代的集群文件系统，目前可以支持超过10000个节点，数以PB的数据存储量。

11、HDFS

Hadoop Distributed File System，简称HDFS，是一个分布式文件系统。HDFS是一个高度容错性的系统，适合部署在廉价的机器上。HDFS能提供高吞吐量的数据访问，非常适合大规模数据集上的应用。

12、GlusterFS

一个集群的文件系统，支持PB级的数据量。GlusterFS 通过RDMA和TCP/IP方式将分布到不同服务器上的存储空间汇集成一个大的网络化并行文件系统。

13、Alluxio

前身是Tachyon，是以内存为中心的分布式文件系统，拥有高性能和容错能力，能够为集群框架（如Spark、MapReduce）提供可靠的内存级速度的文件共享服务。

14、Ceph

新一代开源分布式文件系统，主要目标是设计成基于POSIX的没有单点故障的分布式文件系统，提高数据的容错性并实现无缝的复制。

15、PVFS

一个高性能、开源的并行文件系统，主要用于并行计算环境中的应用。PVFS特别为超大数量的客户端和服务器端所设计，它的模块化设计结构可轻松的添加新的硬件和算法支持。

16、QFS

Quantcast File System (QFS) 是一个高性能、容错好、分布式的文件系统，用于开发支持 MapReduce处理或者需要顺序读写大文件的应用。

17、 Logstash

一个应用程序日志、事件的传输、处理、管理和搜索的平台。可以用它来统一对应用程序日志进行收集管理，提供了Web接口用于查询和统计。

18、Scribe

Scribe是Facebook开源的日志收集系统，它能够从各种日志源上收集日志，存储到一个中央存储系统（可以是NFS，分布式文件系统等）上，以便于进行集中统计分析处理。

19、Flume

Cloudera提供的一个高可用的、高可靠的、分布式的海量日志采集、聚合和传输的系统。Flume支持在日志系统中定制各类数据发送方，用于收集数据。同时，Flume支持对数据进行简单处理，并写入各种数据接受方（可定制）。

20、RabbitMQ

一个受欢迎的消息代理系统，通常用于应用程序之间或者程序的不同组件之间通过消息来进行集成。RabbitMQ提供可靠的应用消息发送、易于使用、支持所有主流操作系统、支持大量开发者平台。

21、ActiveMQ

Apache出品，号称“最流行的，最强大”的开源消息集成模式服务器。ActiveMQ特点是速度快，支持多种跨语言的客户端和协议，其企业集成模式和许多先进的功能易于使用，是一个完全支持JMS1.1和J2EE 1.4规范的JMS Provider实现。

22、Kafka

一种高吞吐量的分布式发布订阅消息系统，它可以处理消费者规模网站中的所有动作流数据，目前已成为大数据系统在异步和分布式消息之间的最佳选择。

23、Spark

一个高速、通用大数据计算处理引擎。拥有Hadoop MapReduce所具有的优点，但不同的是Job的中间输出结果可以保存在内存中，从而不再需要读写HDFS，因此Spark能更好地适用于数据挖掘与机器学习等需要迭代的MapReduce的算法。它可以与Hadoop和Apache Mesos一起使用，也可以独立使用。

24、Kinesis

可以构建用于处理或分析流数据的自定义应用程序，来满足特定需求。Amazon Kinesis Streams 每小时可从数十万种来源中连续捕获和存储数TB数据，如网站点击流、财务交易、社交媒体源、IT日志和定位追踪事件。

25、 Hadoop

一个开源框架，适合运行在通用硬件，支持用简单程序模型分布式处理跨集群大数据集，支持从单一服务器到上千服务器的水平scale up。Apache的Hadoop项目已几乎与大数据划上了等号，它不断壮大起来，已成为一个完整的生态系统，拥有众多开源工具面向高度扩展的分布式计算。高效、可靠、可伸缩，能够为你的数据存储项目提供所需的YARN、HDFS和基础架构，并且运行主要的大数据服务和应用程序。

26、Spark Streaming

实现微批处理，目标是很方便的建立可扩展、容错的流应用，支持Java、Scala和Python，和Spark无缝集成。Spark Streaming可以读取数据HDFS，Flume，Kafka，Twitter和ZeroMQ，也可以读取自定义数据。

27、Trident

是对Storm的更高一层的抽象，除了提供一套简单易用的流数据处理API之外，它以batch(一组tuples)为单位进行处理，这样一来，可以使得一些处理更简单和高效。

28、Flink

于今年跻身Apache顶级开源项目，与HDFS完全兼容。Flink提供了基于Java和Scala的API，是一个高效、分布式的通用大数据分析引擎。更主要的是，Flink支持增量迭代计算，使得系统可以快速地处理数据密集型、迭代的任务。

29、Samza

出自于LinkedIn，构建在Kafka之上的分布式流计算框架，是Apache顶级开源项目。可直接利用Kafka和Hadoop YARN提供容错、进程隔离以及安全、资源管理。

30、Storm

Storm是Twitter开源的一个类似于Hadoop的实时数据处理框架。编程模型简单，显著地降低了实时处理的难度，也是当下最人气的流计算框架之一。与其他计算框架相比，Storm最大的优点是毫秒级低延时。

31、Yahoo S4 （Simple Scalable Streaming System）

是一个分布式流计算平台，具备通用、分布式、可扩展的、容错、可插拔等特点。程序员可以很容易地开发处理连续无边界数据流（continuous unbounded streams of data）的应用。它的目标是填补复杂专有系统和面向批处理开源产品之间的空白，并提供高性能计算平台来解决并发处理系统的复杂度。

32、HaLoop

是一个Hadoop MapReduce框架的修改版本，其目标是为了高效支持 迭代，递归数据 分析任务，如PageRank，HITs，K-means，sssp等。

33、Presto

是一个开源的分布式SQL查询引擎，适用于交互式分析查询，可对250PB以上的数据进行快速地交互式分析。Presto的设计和编写是为了解决像Facebook这样规模的商业数据仓库的交互式分析和处理速度的问题。Facebook称Presto的性能比诸如Hive和MapReduce要好上10倍有多。

34、 Drill

于2012年8月份由Apache推出，让用户可以使用基于SQL的查询，查询Hadoop、NoSQL数据库和云存储服务。它能够运行在上千个节点的服务器集群上，且能在几秒内处理PB级或者万亿条的数据记录。它可用于数据挖掘和即席查询，支持一系列广泛的数据库，包括HBase、MongoDB、MapR-DB、HDFS、MapR-FS、亚马逊S3、Azure Blob Storage、谷歌云存储和Swift。

35、Phoenix

是一个Java中间层，可以让开发者在Apache HBase上执行SQL查询。Phoenix完全使用Java编写，并且提供了一个客户端可嵌入的JDBC驱动。Phoenix查询引擎会将SQL查询转换为一个或多个HBase scan，并编排执行以生成标准的JDBC结果集。

36、Pig

是一种编程语言，它简化了Hadoop常见的工作任务。Pig可加载数据、转换数据以及存储最终结果。Pig最大的作用就是为MapReduce框架实现了一套shell脚本 ，类似我们通常熟悉的SQL语句。

37、Hive

是基于Hadoop的一个数据仓库工具，可以将结构化的数据文件映射为一张数据库表，并提供简单的sql查询功能，可以将sql语句转换为MapReduce任务进行运行。 其优点是学习成本低，可以通过类SQL语句快速实现简单的MapReduce统计，不必开发专门的MapReduce应用，十分适合数据仓库的统计分析。

38、SparkSQL

前身是Shark，SparkSQL抛弃原有Shark的代码并汲取了一些优点，如内存列存储（In-Memory Columnar Storage）、Hive兼容性等。由于摆脱了对Hive的依赖性，SparkSQL无论在数据兼容、性能优化、组件扩展方面都得到了极大的方便。

39、Stinger

原来叫Tez，是下一代Hive，由Hortonworks主导开发，运行在YARN上的DAG计算框架。某些测试下，Stinger能提升10倍左右的性能，同时会让Hive支持更多的SQL。

40、Tajo

目的是在HDFS之上构建一个可靠的、支持关系型数据的分布式数据仓库系统，它的重点是提供低延迟、可扩展的ad-hoc查询和在线数据聚集，以及为更传统的ETL提供工具。

41、Impala

Cloudera 声称，基于SQL的Impala数据库是“面向Apache Hadoop的领先的开源分析数据库”。它可以作为一款独立产品来下载，又是Cloudera的商业大数据产品的一部分。Cloudera Impala 可以直接为存储在HDFS或HBase中的Hadoop数据提供快速、交互式的SQL查询。

42、 Elasticsearch

是一个基于Lucene的搜索服务器。它提供了一个分布式、支持多用户的全文搜索引擎，基于RESTful web接口。Elasticsearch是用Java开发的，并作为Apache许可条款下的开放源码发布，是当前流行的企业级搜索引擎。设计用于云计算中，能够达到实时搜索、稳定、可靠、快速、安装使用方便。

43、Solr

基于Apache Lucene，是一种高度可靠、高度扩展的企业搜索平台。知名用户包括eHarmony、西尔斯、StubHub、Zappos、百思买、AT&T、Instagram、Netflix、彭博社和Travelocity。

44、Shark

即Hive on Spark，本质上是通过Hive的HQL解析，把HQL翻译成Spark上的RDD操作，然后通过Hive的metadata获取数据库里的表信息，实际HDFS上的数据和文件，会由Shark获取并放到Spark上运算。Shark的特点就是快，完全兼容Hive，且可以在shell模式下使用rdd2sql()这样的API，把HQL得到的结果集，继续在scala环境下运算，支持自己编写简单的机器学习或简单分析处理函数，对HQL结果进一步分析计算。

45、Lucene

基于Java的Lucene可以非常迅速地执行全文搜索。据官方网站声称，它在现代硬件上每小时能够检索超过150GB的数据，它拥有强大而高效的搜索算法。

46、Terracotta

声称其BigMemory技术是“世界上首屈一指的内存中数据管理平台”，支持简单、可扩展、实时消息，声称在190个国家拥有210万开发人员，全球1000家企业部署了其软件。

47、 Ignite

是一种高性能、整合式、分布式的内存中平台，可用于对大规模数据集执行实时计算和处理，速度比传统的基于磁盘的技术或闪存技术高出好几个数量级。该平台包括数据网格、计算网格、服务网格、流媒体、Hadoop加速、高级集群、文件系统、消息传递、事件和数据结构等功能。

48、GemFire

Pivotal宣布它将开放其大数据套件关键组件的源代码，其中包括GemFire内存中NoSQL数据库。它已向Apache软件基金会递交了一项提案，以便在“Geode”的名下管理GemFire数据库的核心引擎。

49、 GridGain

由Apache Ignite驱动的GridGrain提供内存中数据结构，用于迅速处理大数据，还提供基于同一技术的Hadoop加速器。

50、MongoDB

是一个基于分布式文件存储的数据库。由C++...