大数据挖掘工具：

1、Hadoop

Hadoop是一种能够对大数据进行并行分布式处理的计算框架，以一种可靠、可伸缩、高效的方式对海量数据进行处理。

Hadoop实现了一个分布式文件系统（Hadoop Distributed File System），简称HDFS。HDFS具有高容错性的特点，并且设计用来部署在低廉硬件上；而且它提供高吞吐量来访问应用程序的数据，适合那些有着超大数据集（large data set）的应用程序。

2、Mahout

Mahout的主要数据目标集是大规模数据，因此Mahout能够建立运行在Apache Hadoop平台上的可伸缩的机器学习算法，这些算法通过Mapreduce模式实现，但并不局限于Hadoop平台。

3、Spark MLlib

MLlib是构建在Apache Spark上的一个可扩展的分布式机器学习库，充分利用了 Spark 的内存计算和适合迭代型计算的优势，将性能大幅度提升。MLlib支持的分类算法主要有：朴素贝叶斯、逻辑回归、决策树和支持向量机.MLlib支持的回归算法主要有：Lasso、线性回归、决策树和岭回归。聚类算法属于非监督式学习，MLlib目前支持广泛使用的Kmeans算法。MLlib也支持基于模型的协同过滤，其中用户和商品通过一小组隐语义因子进行表达，并且这些因子也用于预测缺失元素。

4、Storm

Storm是一个开源的、分布式的具有高容错性的实时计算系统。Storm能够十分可靠地处理庞大的数据流，能够用来处理Hadoop的批量数据。Storm应用领域广泛，包括：在线机器学习、实时分析、分布式RPC（远过程调用）、持续计算、ETL等等。Storm的处理速度非常迅速，每个节点每秒可以处理上百万个数据元组，Storm支持多种语言编程，具有容错性高、可扩展、易于设置和操作的特点。

5、Apache Drill 

Apache Drill 在基于 SQL 的数据分析和商业智能（BI）上引入了 JSON (JavaScript Object Notation, JS对象标记)文件模型，使得用户能查询固定架构、演化架构以及各种格式和数据存储中的模式（columnar -free）无关数据。

6、RapidMiner

RapidMiner是德国多特蒙德工业大学于2007年推出的世界领先的数据挖掘工具，能够完成的数据挖掘任务涉及范围广泛，并且能够简化数据挖掘过程的设计和评价。

7、Pentaho BI

Pentaho BI是一个以流程为核心的，面向解决方案（Solution）而非工具组件的框架，其目的在于将一系列企业级BI产品、API、开源软件等组件加以集成，方便商务智能应用的开发。Pentaho BI包括多个工具软件和一个web server平台，支持分析、报表、图表、数据挖掘和数据集成等功能，允许商业分析人员或研发人员分析模型，创建报表，商业规则和BI流程。