我正在寻找这些开源工具，可能是免费的或免费试用版来设置完整的数据仓库堆栈。
我知道很少有人像Pentaho 开源蒙德里安服务器，但无法获得任何谷歌结果来设置完整的平台。我不确定这些组件是否相互兼容？有人可以列出他们以及他们在链中的位置吗？
【问题讨论】：
标签： open-source data-warehouse
Open Source Data Warehousing 在识别可用于构建数据仓库堆栈的 OSS 组件方面做得很好：基础设施（服务器、操作系统、数据库）、集成管理（ETL、EAI 等）、信息管理（DW/ Mart/ODS、OLap 服务器等）、信息交付（门户、仪表板、分析/OLAP 客户端等）。总结如下：
开源 BI/DW 项目
商业智能和分析
- 蜜蜂-http://bee.insightstrategy.cz/en/index.html
- BIRT - http://www.eclipse.org/birt
- JasperSoft – http://www.jaspersoft.com
- MarvelIT - http://www.marvelit.com/dash.html
- OpenI – http://openi.sourceforge.net
- OpenReports – http://oreports.com
- 橙色 - http://www.ailab.si/orange
- 帕洛 - http://www.palo.net
- Pentaho - http://www.pentaho.com
- R - http://www.r-project.org
- SpagoBI – http://spagobi.eng.it
- 维卡-http://www.cs.waikato.ac.nz/~ml/index.html
- 生命体征-http://vitalsigns.sourceforge.net/
数据库
- http://greenplum.org (bizgres)
- http://www.ingres.com
- http://www.mysql.com
- http://www.postgresql.org
- http://www.enterprisedb.com
整合
- 阿帕塔 - http://www.apatar.com
- CloverETL - http://cloveretl.berlios.de/
- JitterBit - http://www.jitterbit.com/
- KETL - http://www.ketl.org
- 八达通 - http://www.enhydra.org/tech/octopus/index.html
- OSDQ - http://sourceforge.net/projects/dataquality
- Pentaho - http://www.pentaho.com
- 红帽 – http://www.redhat.com
- Saga.M31 银河 - http://galaxy.sagadc.com
- Talend - http://www.talend.com
- SnapLogic – http://www.snaplogic.com
我建议浏览演示文稿。好东西。
【讨论】：
数据仓库堆栈（或套件）通常由三层组成。这些通常被称为ETL（加载）、Database 和Reporting（接口）。此外，还有一些更高级的工具可以满足性能和专家的需求。这些包括Cubes 和Statistical Analysis Tools。
就互操作性而言，ETL 工具和报告工具需要支持您使用的任何数据库。但是，由于只有两个大的开源数据库，混合不同的解决方案通常没有问题。
至于细节-
1 - ETL
数据加载可以通过开源工具来实现，例如 Pentaho 的 Data Integration 或 Talend（一个 eclipse 扩展）。我建议在谷歌上搜索“开源 etl”，以根据您的特定需求定制解决方案。
2 - 数据库
您需要一个关系数据库 (RDBMS)。两个最著名的开源参与者是 PostgreSQL（被 Stack Overflow 使用）和 MySQL。虽然 MySQL 拥有更大的用户群，但 Postgres 自从实现了早期版本中缺少的几个关键功能后，越来越受欢迎。
3 - 报告
Pentaho 提供报告平台。 BIRT（另一个 Eclipse 扩展）也是如此。同样，Google 是您进行具体比较的朋友。请注意，如果您为 ETL 和报告工具选择 Pentaho，您可能会享受到更好的集成。 您还提到了 Mondrian，它是一种在 RDBMS 上生成 MDX 查询的工具。 MDX 是查询多维数据集的标准语言。
此时，假设您从头开始，我建议您设置数据仓库的前两层 - ETL 和 DB。您可以稍后在上面添加任意数量的报告工具。
【讨论】：
这是另一个类似的问题20 Billion Rows/Month - Hbase / Hive / Greenplum / What?
最相关的部分：
我怎么强调都不为过：获得与现成报告工具完美搭配的东西。
.
Hive 或 HBase 让您从事构建自定义前端的业务，除非您乐于在接下来的 5 年中用 Python 编写自定义报告格式化程序，否则您真的不想要它。
【讨论】：
扩展帕斯卡所写的内容：
OLAP 服务器：Mondrian
AJAX 数据透视表：Saiku
OLAP 架构设计者：Pentaho Schema Workbench
OLAP 聚合设计者：Pentaho Aggregation Designer
ETL：Pentaho Kettle
报表设计者：Pentaho Report Designer
数据质量：DataCleaner
列式数据仓库：MonetDB
数据挖掘：RapidMiner
【讨论】：