Für diese Antwort habe ich angenommen, dass Sie Open Source-Lösungen der Big Data-Visualisierung vorziehen . Diese Annahme basiert auf Haushaltsdetails aus Ihrer Frage. Es gibt jedoch einen Ausschluss - im Folgenden werde ich einen Verweis auf ein kommerzielles Produkt hinzufügen, von dem ich glaube, dass es in Ihrem Fall von Vorteil sein könnte (vorausgesetzt, Sie könnten sich das leisten). Ich gehe auch davon aus, dass browserbasierte Lösungen akzeptabel sind (ich würde sie sogar bevorzugen, es sei denn, Sie haben spezielle widersprüchliche Anforderungen).
Natürlich würde ich als ersten Kandidaten als Lösung für Ihr Problem die JavaScript-Bibliothek von D3.j in Betracht ziehen : http://d3js.org . Trotz Flexibilität und anderer Vorteile halte ich diese Lösung jedoch für zu niedrig .
Daher würde ich Ihnen empfehlen, sich die folgenden Open-Source-Projekte für die Big-Data-Visualisierung anzusehen , die leistungsstark und flexibel genug sind, jedoch auf einer höheren Abstraktionsebene arbeiten (einige basieren auf der Grundlage von D3.js und sind es manchmal bezeichnet als D3.js Visualisierungsstapel ).
- Bokeh - Python-basierte interaktive Visualisierungsbibliothek, die Big Data und Streaming-Daten unterstützt: http://bokeh.pydata.org
- Flot - JavaScript-basierte interaktive Visualisierungsbibliothek mit Schwerpunkt auf jQuery: http://www.flotcharts.org
- NodeBox - einzigartiges schnelles Datenvisualisierungssystem (nicht browserbasiert, sondern mehrsprachig und plattformübergreifend), basierend auf generativem Design und visueller Funktionsprogrammierung: https://www.nodebox.net
- Verarbeitung - Komplettes Softwareentwicklungssystem mit eigener Programmiersprache, Bibliotheken, Plug-Ins usw., das sich an visuellen Inhalten orientiert: https://www.processing.org (ermöglicht die Ausführung von Verarbeitungsprogrammen in einem Browser über http: // procedurejs. org )
- Crossfilter - JavaScript-basierte interaktive Visualisierungsbibliothek für Big Data von Square (sehr schnelle Visualisierung großer multivariater Datensätze): http://square.github.io/crossfilter
- bigvis - ein R-Paket für die explorative Big-Data-Analyse (keine Visualisierungsbibliothek an sich, kann jedoch nützlich sein, um große Datenmengen zu verarbeiten / zu aggregieren, zu glätten / vor der Visualisierung mithilfe verschiedener R-Grafikoptionen): https://github.com / hadley / bigvis
- prefuse - Java-basierte interaktive Visualisierungsbibliothek: http://prefuse.org
- Lumify - Plattform für die Integration, Analyse und Visualisierung von Big Data (interessante Funktion: unterstützt Semantic Web): http://lumify.io
Unabhängig davon möchte ich zwei Open-Source- Big-Data-Analyse- und Visualisierungsprojekte erwähnen , die sich auf Grafik- / Netzwerkdaten konzentrieren (mit Unterstützung für Streaming-Daten dieses Typs): Cytoscape und Gephi . Wenn Sie an anderen, spezifischeren ( Kartenunterstützung usw.) oder kommerziellen (grundlegende kostenlose Ebenen), Projekten und Produkten interessiert sind , sehen Sie sich bitte diese großartige Zusammenstellung an , die ich gründlich kuratiert habe , um die Hauptliste oben zu erstellen und zu analysieren : http://blog.profitbricks.com/39-data-visualization-tools-for-big-data .
Schließlich, wie ich am Anfang versprochen hatte, Zoomdata - ein kommerzielles Produkt, von dem ich dachte, dass Sie es sich ansehen möchten: http://www.zoomdata.com . Der Grund, warum ich es von meiner Open-Source-Software-Kompilierung ausgeschlossen habe, liegt in der integrierten Unterstützung für Big-Data-Plattformen . Zoomdata bietet insbesondere Datenkonnektoren für Cloudera Impala, Amazon Redshift, MongoDB, Spark und Hadoop sowie Suchmaschinen, wichtige Datenbank-Engines und Streaming-Daten.
Haftungsausschluss: Ich bin überhaupt nicht mit Zoomdata verbunden. Ich war nur beeindruckt von den verschiedenen Konnektivitätsoptionen (die Sie möglicherweise teuer kosten , aber das ist ein weiterer Aspekt der Analyse dieses Themas).