Hadoop、Hive、Spark都是大数据相关的技术，大数据属于数据管理系统的范畴。数据管理系统要解决的问题是数据如何存储和数据如何计算。
在单机数据管理系统时代，一台服务器上可以满足数据存储的需求，计算也不会遇到什么瓶颈，数据处理都是IO密集型的，不是CPU密集型的，也谈不上什么分布式系统。以今天典型的服务器为例，一个典型的2U服务器，可以配置6块硬盘，没块硬盘选4T,这样就会有24T原始容量，再加上一些数据包可用的冗余，再加上一些格式化的损失，保守估计，一台服务器也可以存储10T以上的数据，与此同时，在这样的服务器上再配置上128G内存，两颗CPU,再安装一款数据库管理系统，略微进行调优，单表处理10亿数据没什么问题。现在单机数据管理方案仍然是备选。
CPU密集型 可以理解为 就是处理繁杂算法的操作，对硬盘等操作不是很频繁，比如一个算法非常之复杂，可能要处理半天，而最终插入到数据库的时间很快。
IO密集型可以理解为简单的业务逻辑处理，比如计算1+1=2，但是要处理的数据很多，每一条都要去插入数据库，对数据库频繁操作。
在现如今这个信息爆炸的时代，数据的容量越来越大，一台机器可能无法满足数据的存储需求，需要通过扩展机器的数量来对数据进行存储。如果用100台服务器去存储数据，如何做统一管理呢？在Hadoop生态里面，HDFS扮演者数据统一管理的角色，会统一管理100台服务器上的存储空间，提供一个接口，让这100台机器的空间好像就是在一台机器上，让用户感觉到有一个无限大的存储空间，方便用户写应用程序进行存储和计算。数据分布存储在100台机器上，每个机器都有自己的CPU和内存，如何高效利用这些资源处理数据呢？HDFS中引入了一个MapReduce模块,MapReduce模块实际上是提供了一个任务并行的框架，通过它的API抽象，能让用户把程序分成两个阶段，一个是map阶段，形象地来讲，你有一个很大的任务，找了100个帮手，把任务平均分成100份，每个人做一份，这就是map阶段。而reduce阶段，就是对map阶段完成的任务进行汇总，最终输出一个结果。综上所述，Hadoop中采用HDFS来处理存储，MapRecude来处理计算。
为了能够在大数据上使用SQL来处理数据，Hive应用而生。Hive实际上是在Hadoop上进行结构化数据处理的一个解决方案，目的是能让用户通过编写SQL来处理数据。当然，只有结构化后数据才可以进行查询，Hive中的一个核心模块metastore用来存储结构化的信息，简单来说，就是一个表信息，比如表中有多少列，每个列有什么数据结构。Hive中的执行引擎就会把一条SQL语句进行语法分析，生成语法树，这两个步骤和普通关系型数据库没有本质的区别，主要区别在执行阶段，Hive的执行引擎会把SQL语句翻译成一个MapReduce任务去执行，然后将执行结果返回给用户。这就是Hive里面采用SQL处理数据的过程。Hive的出现让 一部分大数据工程师变成了SQL Boy/SQL Girl。从工程角度来看，效率和灵活性是一对矛盾体，从Hive例子中可以看出，SQL出现使得大数据处理开发的任务效率提高了，但是在数据处理的表达和灵活性上，不如直接写MapReduce程序。不过，具体要根据实际的场景去选择。当然，在Hadoop上写SQL也不是只有Hive一个方案，像impala,presto等都是SQL在Hadoop上替换方案。
最后，介绍一下Spark。Spark经常用来和Hadoop进行对比，更为精确的说是和Hadoop里面的MapReduce对比，因为Spark本身也是一个计算框架。Spark和MapReduce不同主要是Spak是基于内存的计算，而MapRecude是基于磁盘的计算，所以Spark的卖点就是快。Spark的核心模块和MapRecude在使用体验上有一些类似的地方，他们都提供了一些列的API,让开发这写数据处理的程序，并且在MapReduce上有Hive类似的方案，让用户能够写SQL。同理，在Spark生态里面也有Spark Sql这个模块。Spark作为一个纯的计算引擎，还提供了其他上层的抽象，帮助用户写其他类型的数据处理程序，比如Spark提供了streaming模块,可以让用户写流处理程序，提供了MLlib模块，让用户去写机器学习的程序，以及图处理模块GraphX。