自底向上，與osi類似，通用架構下的大資料體系有七層：資料源、資料收集層、資料存儲層、資源管理與服務協調層、計算引擎層、資料分析層及資料可視化層。圖示如下：
資料收集層直接與資料源對接，負責采集産品使用過程中生成的日志，具有分布式、通用化等屬性。由于實際場景中，大部分的資料源是零散的，是以采集到一起的難度較大，因而在設計上應該具備如下幾個特點：
擴充性：能夠配置多種不同的資料源，并且在遇到洪峰時不會成為系統瓶頸；
可靠性：資料在傳輸的過程中不能丢失（金融類資料尤其如此）；
安全性：對于敏感資料，傳輸的過程要進行加密（密碼、金錢等）；
低延遲：由于資料源采集的日志通正常模龐大，是以應盡快的收集到存儲系統中，不能産生積壓。
在以hadoop/spark為代表的開源架構下，資料收集層通常有如下幾種方案選擇：
sqoop：對于關系型資料庫的全量導入比較通用；
canal：對于關系型資料庫的增量導入比較通用；
flume：對于非關系型日志采集比較通用，例如文本日志等；
kafka：分布式消息隊列，類似于資料通道的概念，具有分布式高容錯的特點。
由于傳統的關系型資料庫在分布式、擴充性及高可用方面存在一定的瓶頸，因而很難适應大資料場景，不建議作為主要的存儲和計算系統。資料存儲層主要負責資料的落地和存儲，包括了關系型資料和非關系型資料，并擁有中央化的排程體系。資料存儲層主要有如下特點：
擴充性：作為資料落地的主要承載，資料的不斷增長是長期的任務，因而叢集的承載能力在一定時間内，總會達到瓶頸。是以，資料存儲層需要考慮機器的擴充能力。
容錯性：出于成本的考慮，資料存儲層通常機器較多，因而需要建設在比較廉價的裝置之上，這就要求系統自身有比較好的容錯特性，在一台或多台機器出現故障時不會導緻資料丢失。
存儲模型：由于資料的多樣性，資料存儲層需要支援結構化、非結構化兩種類型資料，因而需要支援文本、列存等多種資料模型。
由于分布式計算的概念由google提出，在google通常采用gfs、bigtable、megastore、spanner等技術方案。在以hadoop/spark為代表的開源架構下，資料存儲層通常有如下幾種方案選擇：
hdfs：分布式檔案系統，gfs的開源實作，具有非常好的擴充性與容錯性，并非常合适搭建在廉價裝置上；hbase：以hdfs為基礎建構的分布式資料庫，bigtable的開源實作，能夠存儲結構化與半結構化資料，支援行與列的無限擴充；
kudu：cloudera開源的運作在hdfs上的列式存儲系統，具備擴充性與高可用性。
随着網際網路技術規模的不斷增長，不同技術與架構混用的情況越來越常見，對于運維、開發、資源利用等方面産生了巨大的挑戰。為了将所有的技術架構部署在統一的平台上，共享機器資源，因而引入了資源管理與服務協調層。引入之後有如下幾方面的優勢：
資源利用高：能夠有效的考慮程式數量與機器資源之間的平衡性，充分利用叢集資源；
運維成本低：每種架構的運作情況都彙總到統一的運維平台上，對于人員的要求會更低；
資料能共享：同一份資料能夠提供給不同計算架構進行計算，共享計算結果，降低存儲與運算成本。
google采用了borg、omega及chubby三種方案來進行資源管理。在以hadoop/spark為代表的開源架構下，資源管理與服務協調層通常有如下幾種方案選擇：
yarn：hadoop架構中負責統一資源管理與排程的系統，能夠集中管理機器資源（cpu、記憶體等），并且能夠按照隊列的方式排程任務；
zookeeper：分布式協調服務，基于paxos算法實作，提供分布式隊列、分布式鎖等複雜場景的解決方案。
計算引擎主要分為批處理和流處理兩種場景：當資料量龐大并且實時性要求不高時，或者計算邏輯複雜時，采用批處理的方式計算資料，追求高吞吐量；當資料量适中且實時性要求高，且計算邏輯相對簡單時，采用流處理方式計算資料，追求低延遲性。目前不存在實時處理複雜或龐大資料的計算架構。除了以上兩種場景，近年來互動式處理方式越來越受歡迎，通過标準化的olap方式來組織和計算資料，在使用的便捷性上有巨大的優勢。三種引擎的适用場景如下：
批處理：索引建立、資料挖掘、大規模複雜資料分析、機器學習；
流處理：廣告推薦、實時報表、反作弊；
互動式：資料查詢、報表計算。
google提供了mapreduce、dremel兩種架構的實作原理，被開源架構采用并使用場景廣泛。pregel、precolator、millwheel也在開源場景下有所采用。目前hadoop/spark為代表的開源架構下常用的方案如下：
mapreduce：經典的批處理引擎，具有非常好的擴充和容錯性；
impala/presto/drill：分别由cloudera、facebook、apache開源，使用标準sql處理存儲在hdfs上的資料，基于google dreml的開源實作；
spark：通過dag引擎，提供了基于rdd的資料抽象表示，主要利用記憶體進行快速的資料挖掘；
storm/spark streaming/flink：流式處理系統，都具備良好的容錯和擴充性，實作的細節有所不同。
直接産出結果的計算架構，但很多事情出于簡化的考慮，可以通過計算引擎層的互動式架構來代替。通常情況下，出于平台端的技術考慮，該層采用mysql、oracle、postgresql等關系型資料庫的方案較多。按照通常的分類方式，有如下幾種：
impala/presto/drill：互動式計算引擎代替實作；
mysql/oracle/postgresql：關系型資料庫實作；
hive/pig：海量資料下的計算實作；
mahout/mllib：常用的機器學習和資料挖掘算法集合，最初基于mapreduce實作，現在大部分由spark實作；
beam/cascading：統一了批處理和流式計算兩種架構，提供了更進階的api來實作計算邏輯。
在大資料場景下，通常由前端插件來實作，如echarts等，實作選擇的方案較多。常見的展現方式有：折線圖、柱狀圖、餅圖、散點圖、k線圖、雷達圖、熱力圖、路徑圖等。
資料可視化層設計了計算機圖形學、圖像處理技術等相關學科，并涉及到了互動處理、計算機輔助設計、計算機視覺、人機互動等多個技術領域。