草地上开满鲜花，可牛群来到这里发现的只是饲料。
--王朔
这也许就是很多人对这些看似杂乱无章的开源项目的感觉吧。以下是原回答。
那我就把大数据生态比喻成马戏团吧
hadoop是头大象，能吃（hdfs能存很多数据），力气大（Map-Reduce有很强而且scalable的计算能力），还聪明（有还不错的任务管理调度能力）。但有点笨重。
hive是个训练大象的师傅，其实hive自己并不“干活”，它是指挥着前面那头大象做事。最早的hive on mapreduce，其实就是把sql翻译成map- reduce任务给Hadoop做。有了hive这个驯兽师之后，很多只会写sql小孩子们也可以很轻松的和大象玩了。
spark是个老虎，力量强，速度快。老虎是看到早先大象计算方面就只会map-reduce这一招，而且这一招十分死板，每做完一步，都要写回到hdfs。那spark说，我就灵活一点吧，那就把一些操作放到内存中，而不是每次都要写回到存储了。
这时候hive就看到了机会，那我不驯大象了，我训老虎吧，于是就有了hive on spark, 其实是一样的，简单来说，hive还是起到sql翻译的作用，让spark去干真正的工作。当然，类似的还有hive on tez，这时候hive就是一个全面的驯兽师了。
很多人发现spark这个猫科动物比较聪明，人们又让他学了sql，ai， graph等技能，于是就有了spark-sql， spark-ai 和spark-graphx等模块或者说library。这时候我们也把spark作为一个完善的生态圈来看待，可以叫马戏团之spark老虎分团。
后来还有了presto这种猎豹，完全依靠自己的调度器和内存进行计算，只是用hdfs存原始的数据，这个速度就又快了不少，但豹子毕竟力量有限，特别是如果你presto集群规模比较小，有些特大数据量的query就跑不了了。
再后来，大家觉得大象的hdfs存储也有些不够用了，于是又有了对象存储s3等，也有了alluixo这些缓存层。
马戏团的动物可以各种各样，但戏法（应用场景）却就那么些，也就是analytic sql query, AI, ETL, graph等，老虎能钻火圈，豹子没准也能，所以会有不少的重叠，这个时候就需要根据自己的具体情况酌情选用。
最后，祝大家在大数据马戏团玩的开心。
