大数据技术在过去的几年中迅速发展，现在涉及多种框架和技术堆栈。这些框架和技术可以按照它们在大数据处理过程中的角色来分类：存储引擎、分析引擎和辅助框架。

以下是每个类别的主要代表以及它们的简短描述：

存储引擎

HDFS (Hadoop Distributed FileSystem): 一个分布式文件系统，可以存储大量的数据并提供高吞吐量的数据访问。

Apache HBase: 是Hadoop生态系统中的一个分布式、可扩展的大数据存储系统。

Apache Kafka: 一个分布式流处理平台，常用于构建实时数据流管道和应用。

Apache Cassandra: 一个高性能的、分布式的、高可用性的NoSQL数据库。

分析引擎

Apache Hadoop MapReduce: 一个分布式数据处理模型和执行环境，可以处理存储在HDFS上的巨大数据集。

Apache Hive: 为存储在Hadoop中的数据提供SQL查询功能。

Apache Spark: 一个快速、通用的分布式计算系统，可以用于大数据处理和分析。

Apache Flink: 一个流处理框架，专为高吞吐量、低延迟和确保一次处理而设计。

Presto: 一个开源分布式SQL查询引擎，适用于交互式分析查询。

辅助框架

YARN (Yet Another Resource Negotiator): YARN是Hadoop 2.x的资源管理和作业调度平台。它允许多种数据处理引擎（如MapReduce、Spark和Tez）共享一个共同的资源池，这使得资源利用率更高，并支持多种不同的处理模型。

Sqoop: 是一个工具，用于在关系型数据库（如MySQL、Oracle、PostgreSQL等）和Hadoop之间高效地传输数据。

Flume: 是一个分布式、可靠、可用的服务，用于有效地收集、聚合和移动大量日志数据到Hadoop Distributed FileSystem (HDFS)。

Apache ZooKeeper: 一个分布式的、开源的协调服务，为分布式应用提供协调和服务发现。

Apache Oozie: 用于Hadoop的工作流调度系统。

Apache Airflow: 一个用于编程、调度和监控工作流的平台。