Hadoop生态圈

核心：

HDFS：全称为Hapdoop分布式文件系统（Hadoop Distribute File System），提供了高吞吐量的访问和应用程序数据。
Hadoop MapReduce：基于YARN的大数据集的并行处理系统。
Hadoop Common：支持其他Hadoop模块的通用功能，包括序列化、Java RPC和持久化数据结构等。

其他子项目：

Ambari：是一个部署、管理和监控Apache Hadoop集群的开源框架，它提供一个直观的操作工具盒一个健壮的Hadoop API，可以隐藏复杂的Hapdoop操作，使集群操作大大简化。
HBase：可扩展的分布式列示数据库，支持大表的结构化存储
Hive：分布式数据仓库系统，提供基于类似SQL的查询语言
Mahout：机器学习和数据挖掘领域经典算法的实现
Pig：一个高级数据流语言和执行环境，用来检索海量数据集
Spark：一个快速和通用的计算引擎，Spark提供了一个简单而富有表现力的编程模型，支持多种应用包括ETL、机器学习、数据流处理和图形计算
Sqoop：在关系型数据库与Hadoop系统之间进行数据传输的工具
Tez：是从MapReduce计算框架演化而来的通用DAG计算框架，可作为MapReduce／Pig／Hive等系统的底层数据处理引擎，它天生融入Hapdoop2.0种的资源管理平台YARN
Zookeeper ：提供Hapood集群高性能的分布式的协调服务。