大數(shù)據(jù)的應(yīng)用場(chǎng)景特征：

1.?數(shù)據(jù)量大，TB->PB

2.?數(shù)據(jù)類(lèi)型繁多，結(jié)構(gòu)化、非結(jié)構(gòu)化文本、日志、視頻、圖片、地理位置等；

3.?商業(yè)價(jià)值高，但是這種價(jià)值需要在海量數(shù)據(jù)之上，通過(guò)數(shù)據(jù)分析與機(jī)器學(xué)習(xí)更快速的挖掘出來(lái)；

4.?處理時(shí)效性高，海量數(shù)據(jù)的處理需求不再局限在離線計(jì)算當(dāng)中。

Hadoop作為大數(shù)據(jù)框架被廣泛使用，Hadoop生態(tài)圈：

文件存儲(chǔ)：Hadoop HDFS、Tachyon、KFS
離線計(jì)算：Hadoop MapReduce、Spark
流式、實(shí)時(shí)計(jì)算：Storm、Spark Streaming、S4、Heron
K-V、NOSQL數(shù)據(jù)庫(kù)：HBase、Redis、MongoDB
資源管理：YARN、Mesos
日志收集：Flume、Scribe、Logstash、Kibana
消息系統(tǒng)：Kafka、StormMQ、ZeroMQ、RabbitMQ
查詢(xún)分析：Hive、Impala、Pig、Presto、Phoenix、SparkSQL、Drill、Flink、Kylin、Druid
分布式協(xié)調(diào)服務(wù)：Zookeeper
集群管理與監(jiān)控：Ambari、Ganglia、Nagios、Cloudera Manager
數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)：Mahout、Spark MLLib
數(shù)據(jù)同步：Sqoop
任務(wù)調(diào)度：Oozie

這么多技術(shù)，取決于自己喜歡研究哪個(gè)方向，自己決定吧。