至于hadoop，你必须明白，hadoop可能意味着两件事，这取决于上下文。有点像术语“linux”，如果你熟悉的话。
只有核心：真正的“hadoop”只是一个文件系统，用于分散存储非常大的文件+通过map/reduce向这些文件请求框架。
整个生态系统：这包括核心和所有其他工具，这些工具已经被放到hadoop上用于数据分析。flume、hbase、hive、kafka、spark、zookeeper都属于这一类。Flink也可能是，我不确定。
cassandra也可能属于第二类，因为“hadoop集成是在cassandra的0.6版本中添加的”。
为了更好地了解整个生态系统，您必须了解其结构：
从下到上：
底层：这里有您的分布式文件系统和map/reduce请求框架。hdfs是文件系统的名称，您也会看到这个术语很多。在hdfs之上，您可以使用hbase，它是hdfs之上的一个面向列的数据库¹.
中间层，执行引擎：在中间我们有几个不同的引擎，可以查询hadoop文件系统的信息。实际上，有些人把map/reduce放在第二层，因为hadoop环境现在还包括tez和spark。我认为，tez通过使用图来Map/减少执行来加速查询。spark是一个内存引擎。
顶层，用户抽象：在执行引擎的顶部有用户api/抽象。这包括apachehive（类似sql的查询）和pig（在我看来是sql和编程语言的混合体）。但是也有一些更专业的抽象，比如mllib，它是一个基于hadoop系统的机器学习库，使用spark作为中间层。
除此之外，我们还为整个生态系统提供了管理工具。管理服务器、管理任务执行顺序（作业调度）等等。Kafka和Zookeeper就属于这里。
¹ 我目前不了解hbase与orc文件或parquet之间的关系。