大數據技術主要包括：分布式存儲，如 hdfs 和 gfs，用于容錯性和擴展性。hadoop mapreduce 和 apache spark 等計算框架，用于并行處理海量數據和實時分析。sql 和 nosql 數據庫，用于結構化和非結構化數據的查詢和管理。etl 工具，用于數據抽取、轉換和加載。數據可視化工具，如 tableau 和 power bi，用于探索和展示數據。

大數據典型技術

一、存儲技術

• 分布式文件系統（hdfs、GFS）：將數據分散存儲在多個節點，以提高容錯性和擴展性。
• 分布式數據庫（hbase、Cassandra）：針對大規模非結構化或半結構化數據的查詢和管理。
• 云存儲（S3、azure Blob Storage）：提供彈性、可擴展的存儲空間，用于海量數據的存儲和歸檔。

二、計算框架

• hadoop mapreduce：并行處理海量數據的編程模型，適用于批處理任務。
• apache spark：支持實時和批處理的統一分析引擎，提供內存計算、流處理和機器學習功能。
• apache flink：專用于實時流處理的分布式計算框架，具有低延遲和高吞吐量。

三、數據分析技術

• sql：結構化查詢語言，用于從關系型數據庫提取和分析數據。
• nosql：非關系型數據庫技術，適用于大規模、非結構化或半結構化數據。
• 機器學習：算法和技術，用于從數據中識別模式和洞察力。

四、數據集成和預處理技術

• 數據抽取轉換加載（etl）：從各種來源提取、轉換和加載數據到存儲系統中。
• 數據清理：識別和更正數據中的錯誤和不一致性。
• 數據整合：將來自不同來源的數據組合成一個統一的視圖。

五、數據可視化技術

• Tableau：交互式可視化工具，用于探索和展示數據。
• Power BI：微軟的商業智能平臺，提供數據可視化、儀表板和交互式報告。
• D3.JS：JavaScript可視化庫，用于創建自定義交互式數據可視化。