问：市面上的大数据平台那么多，到底该怎么选？

答：目前主流的平台有Hadoop、Spark、Flink和Kafka，它们各有侧重。

问：Hadoop适合什么场景？

答：Hadoop是批处理的老牌平台，核心是HDFS和MapReduce。它最大的优点是生态成熟、存储可靠，适合海量数据的离线分析和历史数据归档。但缺点是实时性差，处理速度较慢，不适合需要秒级响应的场景。

问：Spark和Hadoop比有什么优势？

答：Spark主打内存计算，速度比Hadoop快10-100倍。它提供统一的API，能同时处理批处理、流处理和机器学习任务。不过，它对内存资源要求高，且在小数据量场景下优势不明显。

问：Flink是做什么的？

答：Flink专攻实时流处理，能做到毫秒级延迟，支持精确一次的数据一致性。它在金融风控、实时监控等领域表现优异。但它的批处理能力不如Spark，社区生态也相对年轻。

问：Kafka又扮演什么角色？

答：Kafka是分布式消息队列系统，核心是数据管道和流存储。它不擅长计算，但能高效地解耦数据生产和消费，是构建实时数据架构的基石。缺点是需要额外集成计算引擎才能完成复杂分析。

问：总结一下怎么选？

答：如果做离线批处理，首选Hadoop生态；若需要快速迭代的批流一体，选Spark；追求极致的实时流处理，选Flink；构建数据管道和事件驱动架构，选Kafka。通常企业会组合使用，比如Kafka+Flink实现实时链路，Hadoop做历史存储。