mongodb是一个基于分布式文件存储的数据库，使用c++语言编写。旨在为web应用提供可扩展的高性能数据存储解决方案。应用性能高低依赖于数据库性能，mongodb则是非关系数据库中功能最丰富，最像关系数据库的，随着mongdb 3.4版本发布，其应用场景适用能力得到了进一步拓展。
mongodb的核心优势就是灵活的文档模型、高可用复制集、可扩展分片集群。你可以试着从几大方面了解mongodb，如实时监控mongodb工具、内存使用量和页面错误、连接数、数据库操作、复制集等。
2、elasticsearch ——为云构建的分布式restful搜索引擎。
elasticsearch是基于lucene的搜索服务器。它提供了分布式多用户能力的全文搜索引擎，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，是比较流行的企业级搜索引擎。
elasticsearch不仅是一个全文本搜索引擎，还是一个分布式实时文档存储，其中每个field均是被索引的数据且可被搜索;也是一个带实时分析功能的分布式搜索引擎，并且能够扩展至数以百计的服务器存储及处理pb级的数据。elasticsearch在底层利用lucene完成其索引功能，因此其许多基本概念源于lucene。
3、cassandra——开源分布式数据库管理系统，最初是由facebook开发的，旨在处理许多商品服务器上的大量数据，提供高可用性，没有单点故障。
apache cassandra是一套开源分布式nosql数据库系统。集google bigtable的数据模型与amazon dynamo的完全分布式架构于一身。于2008开源，此后，由于cassandra良好的可扩展性，被digg、twitter等web 2.0网站所采纳，成为了一种流行的分布式结构化数据存储方案。
因cassandra是用java编写的，所以理论上在具有jdk6及以上版本的机器中都可以运行，官方测试的jdk还有openjdk 及sun的jdk。 cassandra的操作命令，类似于我们平时操作的关系数据库，对于熟悉mysql的朋友来说，操作会很容易上手。
4、redis ——开源(bsd许可)内存数据结构存储，用作数据库，缓存和消息代理。
redis是一个开源的使用ansi c语言编写的、支持网络、可基于内存亦可持久化的日志型、key-value数据库，并提供多种语言的api。redis 有三个主要使其有别于其它很多竞争对手的特点：redis是完全在内存中保存数据的数据库，使用磁盘只是为了持久性目的; redis相比许多键值数据存储系统有相对丰富的数据类型; redis可以将数据复制到任意数
5、hazelcast ——基于java的开源内存数据网格。
hazelcast 是一种内存数据网格 in-memory data grid，提供java程序员关键任务交易和万亿级内存应用。虽然hazelcast没有所谓的“master”，但是仍然有一个leader节点(the oldest member)，这个概念与zookeeper中的leader类似，但是实现原理却完全不同。同时，hazelcast中的数据是分布式的，每一个member持有部分数据和相应的backup数据，这点也与zookeeper不同。
hazelcast的应用便捷性深受开发者喜欢，但如果要投入使用，还需要慎重考虑。
6、ehcache——广泛使用的开源java分布式缓存。主要面向通用缓存、java ee和轻量级容器。
ehcache 是一个纯java的进程内缓存框架，具有快速、精干等特点，是hibernate中默认的cacheprovider。主要特性有：快速简单，具有多种缓存策略;缓存数据有两级，内存和磁盘，因此无需担心容量问题;缓存数据会在虚拟机重启的过程中写入磁盘;可以通过rmi、可插入api等方式进行分布式缓存;具有缓存和缓存管理器的侦听接口;支持多缓存管理器实例，以及一个实例的多个缓存区域;提供hibernate的缓存实现。
7、hadoop ——用java编写的开源软件框架，用于分布式存储，并对非常大的数据用户可以在不了解分布式底层细节的情况下，开发分布式程序。
充分利用集群进行高速运算和存储。hadoop实现了一个分布式文件系统(hadoop distributed file system)，简称hdfs。hadoop的框架最核心的设计就是：hdfs和mapreduce。hdfs为海量的数据提供了存储，mapreduce则为海量的数据提供了计算。
8、solr ——开源企业搜索平台，用java编写，来自apache lucene项目。
solr是一个独立的企业级搜索应用服务器，它对外提供类似于web-service的api接口。用户可以通过http请求，向搜索引擎服务器提交一定格式的xml文件，生成索引;也可以通过http get操作提出查找请求，并得到xml格式的返回结果。
与elasticsearch一样，同样是基于lucene，但它对其进行了扩展，提供了比lucene更为丰富的查询语言，同时实现了可配置、可扩展并对查询性能进行了优化。
9、spark ——apache software foundation中最活跃的项目，是一个开源集群计算框架。
spark 是一种与 hadoop 相似的开源集群计算环境，但是两者之间还存在一些不同之处，这些不同之处使 spark 在某些工作负载方面表现得更加优越，换句话说，spark 启用了内存分布数据集，除了能够提供交互式查询外，它还可以优化迭代工作负载。
spark 是在 scala 语言中实现的，它将 scala 用作其应用程序框架。与 hadoop 不同，spark 和 scala 能够紧密集成，其中的 scala 可以像操作本地集合对象一样轻松。
10、memcached ——通用分布式内存缓存系统。
memcached是一套分布式快取系统，当初是danga interactive为了livejournal所发展的，但被许多软件(如mediawiki)所使用。memcached作为高速运行的分布式缓存服务器，具有以下的特点：协议简单，基于libevent的事件处理，内置内存存储方式。
11、apache hive --在hadoop之上提供类似sql的层。
hive是一个基于hadoop的数据仓库平台。通过hive，可以方便地进行etl工作。hive定义了一个类似于sql的查询语言，能够将用户编写的sql转化为相应的mapreduce程序基于hadoop执行。目前，已经发布了apache hive 2.1.1 版本。
12、apache kafka --最初是由linkedin开发的高吞吐量，分布式订阅消息系统。
apache kafka是一个开源消息系统项目，由scala写成。该项目的目标是为处理实时数据提供一个统一、高通量、低等待的平台。kafka维护按类区分的消息，称为主题(topic)。生产者(producer)向kafka的主题发布消息，消费者(consumer)向主题注册，并且接收发布到这些主题的消息。
13、akka --用于在jvm上构建高并发，分布式和弹性消息驱动应用程序的工具包。
akka 是一个用 scala 编写的库，用于简化编写容错的、高可伸缩性的 java 和 scala 的 actor 模型应用。它已经成功运用在电信行业，系统几乎不会宕机。
14、hbase --开放源代码，非关系型，分布式数据库，采用google的bigtable建模，用java编写，并在hdfs上运行。
与fujitsu cliq等商用大数据产品不同，hbase是google bigtable的开源实现，类似google bigtable利用gfs作为其文件存储系统，hbase利用hadoop hdfs作为其文件存储系统;google运行mapreduce来处理bigtable中的海量数据，hbase同样利用hadoop mapreduce来处理hbase中的海量数据;google bigtable利用 chubby作为协同服务，hbase利用zookeeper作为对应。
15、neo4j --在java中实现的开源图形数据库。
neo4j是一个高性能的nosql图形数据库，它将结构化数据存储在网络上而不是表中。它是一个嵌入式的、基于磁盘的、具备完全事务特性的java持久化引擎。
以上就是java开发者必会的大数据工具和框架有哪些的详细内容。