1.数据来源层

• 数据库数据：Oracle、MySQL、SqlServer等等。
• 文件日志数据：Tomcat 日志、mysql的binlog日志
• 视频、PPT等

2.数据传输层

• Sqoop：Sqoop是一款开源的工具，主要用于在Hadoop、Hive与传统的数据库(MySql)间进行数据的传递，可以将一个关系型数据库（例如 ：MySQL，Oracle 等）中的数据导进到Hadoop的HDFS中，也可以将HDFS的数据导进到关系型数据库中。
• Flume：Flume支持在日志系统中定制各类数据发送方，用于收集数据，处理日志非常专业。
• Kafka：Kafka是一种高吞吐量的分布式发布订阅消息系统。

3.数据存储层

• HDFS：分布式文件存储系统 (Hadoop Distributed File System) ，Hadoop最擅长存储数据的地方。
• Kafka：Kafka内部也能缓存一些数据，默认就是1G的数据，通常不拿它来存储数据。
• HBase：HBase是一个分布式的、面向列的开源数据库。HBase不同于一般的关系数据库，它是一个适合于非结构化数据存储的数据库。

4.资源管理层

YARN资源调度：将数据存储下来，就需要对数据进行分析，分析就需要资源、CPU、内存、磁盘， 这些都由Yarn来调度。

5.数据计算层

数据计算，又分为：实时计算、离线计算 两部分。

实时计算

• Spark ：Spark 是当前最流行的开源大数据内存计算框架。可以基于 Hadoop 上存储的大数据进行计算。Spark Streaming 并不是完全实时的，它底层采用的是批处理技术(就是一批一批的处理，相当于是微批处理)，所以说 Spark Streaming 是准实时计算
• Storm：Storm 是实时计算。Storm用于“连续计算”，对数据流做连续查询，在计算时就将结果以流的形式输出给用户。但是它已经在走下坡路了。新起的 Flink 项目更优秀。
• Flink：Flink 是时下很流行的实时计算框架。全面对标 Spark。Flink 支持实时计算，由于 Flink 引擎比较强大，它也同样支持离线计算。

离线计算 离线计算：主要来统计日活、月活、年统计、本月消费情况等，并不是实时的数据。

• MapReduce 离线计算（MR属于Hadoop的核心计算框架）
• Spark Core 基于内存离线计算（断电数据丢失，也很危险的）

6.任务调度层

Oozie ：Oozie属于偏重量级的，功能是这三个调度中最复杂的。 Azkaban ：Azkaban，使用起来比较简单 crontab ：crontab 是 Linux自带的一个调度工具。

7.数据平台配置

Zookeeper：Zookeeper是Google的Chubby一个开源的实现。它是一个针对大型分布式系统的可靠协调系统，提供的功能包括：配置维护、名字服务、 分布式同步、组服务等。ZooKeeper的目标就是封装好复杂易出错的关键服务，将简单易用的接口和性能高效、功能稳定的系统提供给用户。

8.业务模型层

主要来解决企业问题，使用到的都是 JavaEE 相关技术，包括业务指标，数据可视化、BI报表等等。