Hadoop生態圈組件圖

1.Hadoop Common是Hadoop體系最底層的一個模塊，為Hadoop各個子模塊提供各種工具，比如系統配置工具Configuration、遠程調用RPC、序列化機制和日志操作等等，是其他模塊的基礎。

2.HDFS是Hadoop分布式文件系統縮寫，它是Hadoop的基石。HDFS是一個具備高度容錯性的文件系統，適合部署在廉價的機器上，它能提供高吞吐量的數據訪問，非常適合大規模數據集上的應用。

3.YARN是統一資源管理和調度平臺。它解決了上一代Hadoop資源利用率低和不能兼容異構的計算框架等多種問題。提供了資源隔離方案和雙調度器的實現。

4.MapReduce是一種編程模型，利用函數式編程思想，將對數據集的過程分為Map和Reduce兩個階段。MapReduce的這種編程模型非常適合進行分布式計算。Hadoop提供MapReduce的計算框架，實現了這種編程模型，用戶可以通過Java\C++\Python\PHP等多種語言進行編程。

5.Spark是加州伯克利大學AMP實驗室開發的新一代計算框架，對迭代計算有很大優勢，與MapReduce相比性能提升明顯，并且可以和Yarn集成，并且還提供了SparkSQL組件。

6.HBase來源于Google的Bigtable論文，HBase是一個分布式的，面向列族的開源數據庫。采用了Bigtable的數據模型--列族。HBase擅長大規模數據的隨機、實時讀寫訪問。

7.Zookeeper作為一個分布式服務框架，是基于Fast Paxos算法實現，解決分布式系統中一致性的問題。提供了配置維護，名字服務，分布式同步，組服務等。

8.Hive最早是facebook開發并使用的，是基于Hadoop的一個數據倉庫工具，可以將結構化的數據文件映射為一張表，提供簡單的SQL查詢功能。并將SQL轉為MapReduce作業運行。其有點就是學習成本低。降低了Hadoop的使用門檻。

9.Pig與Hive類似，也是對大數據集進行分析和評估的工具，不同于Hive的是Pig提供了一種高層的，面向領域的抽象語言Pig Latin.同樣Pig也可以將Pig Latin轉化為MapReduce作業。相比與SQL，Pig Latin更加靈活，但學習成本更高。

10.Impala是Cloudera公司開發，可以對存儲HDFS、HBase的海量數據提供交互查詢的SQL接口。除了和Hive使用相同的統一存儲平臺，Impala也使用相同的元數據，SQL語法，ODBC驅動程序和用戶界面。Impala還提供了一個熟悉的面向批量或者實時查詢的統一平臺。Impala的特點是查詢非常迅速，其性能大幅度領先于Hive。Impala并不是基于MapReduce的，它的定位是OLAP，是Google的新三駕馬車之一Dremel的開源實現。

11.Mahout是一個機器學習和數據挖掘庫，它利用MapReduce編程模型實現k-means,Native,Bayes,Collaborative Filtering等經典的機器學習算法，并使其具有良好的可擴展性。

12.Flume是Cloudera提供的一個高可用，高可靠，分布式的海量日志采集、聚合和傳輸系統，Flume支持在日志系統中定制各類數據發送方，用于數據收集，同時Flume提供對數據進行簡單處理并寫到各個數據接收方的能力。

13.Sqoop是SQL to Hadoop的縮寫，主要作用在于結構化的數據存儲與Hadoop之間進行數據雙向交換，也就是說，Sqoop可以將關系型數據庫的數據導入到HDFS、Hive、也可以從HDFS、Hive導出到關系型數據庫中。Sqoop利用了Hadoop的優點，整個導入導出都是由MapReduce計算框架實現并行化，非常高效。

14.Kafka是一種高吞吐量的分布式發布訂閱消息系統。具有分布式、高可用的特性，在大數據系統里被廣泛使用，如果把大數據系統比作一臺機器，那么kafka就是前端總線，它連接了平臺中的各個組件。

還有比如說Storm這樣大數據平臺。