HDFS：
Hadoop 的分布式文件系统称为 HDFS，它是为以流式数据访问模式存储超大文件而设计的文件系统。
HDFS适合：
- 存储并管理PB级数据
- 处理非结构化数据
- 注重数据处理的吞吐量
- 应用模式为：一次写多次读
不适合：
Hive：
Hive是一个构建与Hadoop顶层的数据仓库工具，可以查询和管理PB级的分布式数据，适用于大规模数据的批量处理，Hive本身不存储数据，依赖于HDFS和Mapreduce，提供简单的类似SQL的查询语言HiveQL，但使用hive有一些限制，某些标准的sql在hive中不存在。
查询速度慢，不提供实时查询和基于行级的数据更新操作。
HBase：
HBase是一个分布式、面向列的开源非关系型数据库（NoSQL），基于HDFS文件系统之上，支持记录级别的高效读写，不适合离线分析场景。
适合结构简单，但数据量非常大的的数据（通常在TB/PB），查询条件简单，列与列之间联系不大的轻查询应用场景，如历史订单记录，日志数据，监控数据等。每一行数据定义一个key，提供了简单的基于key值的快速查询能力，查询灵活性较弱。
数据会按照列进行分组和存储，同一列的数据存储在同一个地方，若干列又构成一个列族，一个列族的所有列存储在同一个底层的存储文件里，这个存储文件叫做HFile。列族需要在表创建的时候定义好，并且不能修改的太频繁，数量也不能太多。
MongoDB：
MongoDB 是由C++语言编写的，是一个基于分布式文件存储的开源数据库系统。将数据存储为一个文档，数据结构由键值(key->value)对组成。MongoDB 文档类似于 JSON 对象。字段值可以包含其他文档，数组及文档数组。
模式自由，表结构灵活可变，字段类型可以随时修改。修改很方便，不适合多表查询、复杂事务等高级操作。
很适合那些表结构经常改变，数据的逻辑结构没那么复杂不需要多表查询操作，数据量又比较大的应用场景。
Redis：
Redis 是完全开源免费的，遵守BSD协议，是一个高性能的key-value数据库。
速度快，读写性能优异；支持数据持久化；数据结构丰富，如list，set；支持主从复制备份；支持事务，操作都是原子性；数据存储在内存中，不能用作海量数据的高性能读写，主要局限在较小数据量的高性能操作和运算上；查询依赖key，不能进行复杂的查询。
适合那些对读写性能要求极高，且数据表结构简单（key-value、list、set之类）、查询条件也同样简单的应用场景。
ES：
Elasticsearch是一个开源的高扩展的分布式全文检索引擎，它可以近乎实时的存储、检索数据；本身扩展性很好，可以扩展到上百台服务器，处理PB级别的数据。
自动对字段建立索引，支持高性能的复杂聚合查询，适合数据分析；字段类型无法修改，写入性能较低，高硬件资源消耗。
时间有限，而且也不是主要为了学习这些技术，所以并没有仔细的去看原理构架，只是对于HDFS仔细看了一下架构和读写的流程，其他的主要就是看了简介与特点，以后有时间或者需要再仔细的学习。