传统ETL ，Mapreduce，Hive，Spark等处理数据文件的应用场景都有哪些？

传统的ETL在数据量不大比如<20G的数据文件处理，他的优势在于他是可视化的步骤比较简单，上手比较快
Mapreduce对于数据量比较大的，处理数据业务逻辑变化不是很大，因为每次用java或者python等都得反复调试，比如淘宝底层日志解析，日志的格式基本都不会有太大的变化，写一次Mapreduce就稳定跑了

Hive采用类sql的方式，门槛比较低，只要会写sql就可以了，缺点是需要优化的话，你得对hive底层运行原理了解一些，优化的门槛比较高

Spark 基于内存计算是sql，虽说是sql但是还要写代码，所以没有hive方便，但是速度某些场景会比hive快，调优方面也是需要对spark底层运行原理有所了解

楼上说的比较清楚了，我再补充一些，hive其底层也是转化为mapreduce运行，对于使用者而言用sql代替写mapreduce，方便很多，但是同时也会失去一些灵活性，而spark主要基于内存运算，如果机器内存足够，使用spark能够更加快捷，应用场景比如比如实时推荐、聚类分析等等。