1、zookeeper

一個分散式的應用程式協調服務，是Hadoop和Hbase的重要元件。它是一個為分散式應用提供一致性服務的工具，讓Hadoop叢集裡面的節點可以彼此協調。ZooKeeper現在已經成為了 Apache的頂級專案，為分散式系統提供了高效可靠且易於使用的協同服務。

2、HDFS

Hadoop Distributed File System，簡稱HDFS，是一個分散式檔案系統。HDFS是一個高度容錯性的系統，適合部署在廉價的機器上。HDFS能提供高吞吐量的資料訪問，非常適合大規模資料集上的應用。

3、Kafka

一種高吞吐量的分散式釋出訂閱訊息系統，它可以處理消費者規模網站中的所有動作流資料，目前已成為大資料系統在非同步和分散式訊息之間的最佳選擇。

4、Spark

一個高速、通用大資料計算處理引擎。擁有Hadoop MapReduce所具有的優點，但不同的是Job的中間輸出結果可以儲存在記憶體中，從而不再需要讀寫HDFS，因此Spark能更好地適用於資料探勘與機器學習等需要迭代的MapReduce的演算法。它可以與Hadoop和Apache Mesos一起使用，也可以獨立使用。

5、Hadoop

一個開源框架，適合執行在通用硬體，支援用簡單程式模型分散式處理跨叢集大資料集，支援從單一伺服器到上千伺服器的水平scale up。Apache的Hadoop專案已幾乎與大資料劃上了等號，它不斷壯大起來，已成為一個完整的生態系統，擁有眾多開源工具面向高度擴充套件的分散式計算。高效、可靠、可伸縮，能夠為你的資料儲存專案提供所需的YARN、HDFS和基礎架構，並且執行主要的大資料服務和應用程式。

6、Storm

Storm是Twitter開源的一個類似於Hadoop的實時資料處理框架。程式設計模型簡單，顯著地降低了實時處理的難度，也是當下最人氣的流計算框架之一。與其他計算框架相比，Storm最大的優點是毫秒級低延時。

7、Hive

是基於Hadoop的一個數據倉庫工具，可以將結構化的資料檔案對映為一張資料庫表，並提供簡單的sql查詢功能，可以將sql語句轉換為MapReduce任務進行執行。 其優點是學習成本低，可以通過類SQL語句快速實現簡單的MapReduce統計，不必開發專門的MapReduce應用，十分適合資料倉庫的統計分析。

8、Redis

是一個高效能的key-value儲存系統，和Memcached類似，它支援儲存的value型別相對更多，包括string（字串）、list（連結串列）、set（集合）和zset（有序集合）。Redis的出現，很大程度補償了memcached這類key/value儲存的不足，在部分場合可以對關係資料庫起到很好的補充作用。

9、HDFS

Hadoop分散式檔案系統(HDFS)被設計成適合執行在通用硬體(commodity hardware)上的分散式檔案系統。它和現有的分散式檔案系統有很多共同點。HDFS是一個高度容錯性的系統，適合部署在廉價的機器上。HDFS能提供高吞吐量的資料訪問，非常適合大規模資料集上的應用。

10、HBase

是Hadoop的資料庫，一個分散式、可擴充套件、大資料的儲存。是為有數十億行和數百萬列的超大表設計的，是一種分散式資料庫，可以對大資料進行隨機性的實時讀取/寫入訪問。提供類似谷歌Bigtable的儲存能力，基於Hadoop和Hadoop分散式檔案系統（HDFS）而建。

11、Elasticsearch

是一個基於Lucene的搜尋伺服器。它提供了一個分散式、支援多使用者的全文搜尋引擎，基於RESTful web介面。Elasticsearch是用Java開發的，並作為Apache許可條款下的開放原始碼釋出，是當前流行的企業級搜尋引擎。設計用於雲端計算中，能夠達到實時搜尋、穩定、可靠、快速、安裝使用方便。

。。。。。。

以上的這些工具就是目前國內大資料開發環境中常用的一些工具。當然除此之後還有很多，包括Samza、Flink、Stinger、 Drill等等。掌握的技術當然是越多越好，尤其是網際網路行業，只有不斷的去學習，瞭解新的技術才不會被淘汰。

個人見解，歡迎大家踴躍發言並且推薦目前大資料常用的工具還有哪些