另一个变化就是在企业级市场，大数据核心软件主要由国外企业把持的市场格局开始松动，中国大数据核心软件迅速成长，在一些方面实现了超越。
在全球大数据软件分工越来越专业、竞争越来越有序的下，大数据应用对大数据基础软件提出了更高的要求，在大数据核心软件众多发展线中，谁会迈过这道坎，引领发展呢?
在大数据基础软件发展中，技术线发展演绎精彩纷呈，令人目不暇接。不过，经过多方采访，记者发现目前大数据软件的技术线基本可以分为四大类：
提起大数据，依然不能不提Hadoop。因为Hadoop让海量的数据能分布存储，并能分布的存取与处理。过去Hadoop几乎成了大数据的代名词。在大数据发展中，开源大数据平台Hadoop占据至关重要的地位。Cloudera、Hortonworks、MapR是Hadoop的三驾马车。
提到Hadoop，就不能不提Cloudera。虽然Cloudera也发布商业化工具产品，但以提供Hadoop发行版为主。产品分为免费版和企业版，只有企业版的核心组件不对外，其他技术均提供给社区。
Hortonworks就是通过Hadoop框架搭建其产品的最大的一家公司，将自己的技术完全贡献给社区，不靠产品获利，而是靠向企业客户提供支持服务和后期盈利。
MapR以发布商业化工具产品为主，同时提供Hadoop发行版。基于开源技术，提高稳定性，同时强化了一些高级功能，定制化程度较高，核心技术是不公开的，营收主要来自软件收入。MapR的企业级产品的优势是更好地管理和确保数据在Hadoop中的可恢复性和可靠性，以及多租户和高可用性功能提供了工具。
专家认为，作为大数据基础软件的一大技术线，基于开源Hadoop发展的最大优势就是可处理的数据量庞大且运行稳定。在节点资源不增加的情况下，运行速度虽然不占优势，但却十分稳定。既是优势也是劣势，Hadoop在批处理方面的强大无法其在交互式分析和流处理方面的缺憾。
Gartner连续多年唱衰Hadoop，并认为，尽管企业对大数据解决方案的需求不断增长，但对Hadoop的需求没有像预期那样加速。同时，25%的Spark已经开始脱离Hadoop生态单独运行。
一位业界专家介绍非常形象：如果说Hadoop是一家大型包工队，Hadoop是人工的搬砖盖房子，所以慢，但是稳妥;Spark是用机器搬砖盖房子，可以很快很灵活，缺点就是更容易出机械故障。
其实，这两者并不是水火不容。Spark经常和Hadoop团队合作，让问题变得更加复杂。不管怎么说，Spark和Hadoop都是两个的包工队，都有着各自的优缺点和特定的业务用例。
Spark技术的代表企业是Databricks。Databricks公司是由大学伯克利分校负责开发流行的开源Apache Spark数据处理框架的团队创建的。该公司帮助大企业快速处理、整合和分析大量数据。它的统一分析平台旨在孤立的数据存储系统之间建立数字管道，并帮助工程师和数据科学家更好地沟通。
Spark的优势是在内存中运行速度比Hadoop快100倍，在磁盘上运行速度快10倍。此外，Spark在机器学习应用中的速度同样更快，如Naive Bayes和k-means。
中国独特的国情带来的大数据量，国外的技术在处理本土业时经常会水土不服：中国用户需要处理的数据量远超过之前在其他国家的需求。同时中国用户在应用场景方面有着非常强的创新意识，需要处理的场景复杂度也超过了其他国家用户。星环科技就是专注解决用户难点，不社区或其他线的代表，走出了一条独特的自主研发技术创新之。星环的产品体系已经从最早的分析型数据库扩展至分析型数据库、实时计算、全文检索数据库、图数据库、手掌纹路图解Bigtable数据库、交易数据库、基于容器技术的数据云等，从底层资源调度到的计算引擎，形成了一条有别于Hadoop或Spark、而具有星环特色的技术线，实现了多个领域的技术突破。例如分析型数据库ArgoDB采用了星环统一的计算引擎以及统一的存储管理系统，同时针对闪存设计的存储格式，取代了传统的Hadoop+MPP的结构，同时对比MPP和Hadoop平台在数据量较大时都有性能上的优势。
在实时流处理领域，星环自主的Slipstream不仅仅支持SQL的实时数据库，搭载了一个自主研发的规则引擎和复杂事件处理引擎，用户可以直接在对业务所需要用的计算方式进行直接的编写，还可以对开发的结果进行一站式的部署调试，极大的方便了业务的开发人员。
其中最重要的一条就是上一代MPP架构的继续沿用。早在大数据广为人知之前，大规模并行处理MPP架构就已诞生。其设计是对传统关系型数据库进行分布式化，是对以往数据库扩展性差的改良。Teradata、Greenplum、Vertica、Netezza等大家早已熟知企业都是基于此架构来完成解决方案。不过由于其根源仍是对旧技术的修修补补，不支持非结构化数据存储分析，扩展上限仍不足够，硬件设备昂贵等特性随着时间逐渐出来。
除此之外，还有部分专属领域的技术活跃在市场上，例如应用于网站数据存储的文档数据库MongDB，专注于满足各类复杂搜索需求的ElasticSearch，常被应用于会话缓存的高速NoSQL数据库Redis，图数据库Neo4J，以及由实时计算引擎正蔓延成为通用大数据引擎的Flink等。这些技术有几大特点：一是大多是开源系统;二是应用面相对较窄，影响范围有限。
伴随着技术的兴起到发展成熟，技术线也从百花齐放到部分技术线或者合并。任何技术的发展最终只会有两线沉淀下来。实践证明，大数据基础平台是不可或缺的。但是随着应用的深入，要想利用开源通过服务或者订阅赚钱的难度却越来越大了，要把它做成生意的门槛越来越高了。近年来，大数据基础软件典型的四条技术线开始出现分化。
首先 Hadoop 商业化最典型的公司就是Hadoop的三驾马车——Hortonworks、Cloudera和MapR。2014年，Hortonworks成功在纳斯达克上市。该公司以每股16美元的价格发行625万股股票，募集1亿美元资金，开盘首日上涨幅度达到60%，市值接近11亿美元。
2017年4月底，Cloudera以每股15美元的定价在纽约证券交易所上市，股价一日上涨超20%至18.09美元。这一价格也超出了此前公司12到14美元的预期范围。Cloudera市值约为23亿美元，远低于2014年英特尔给出的41亿美元估值。
2018年，大数据领域的两大巨头公司Cloudera和Hortonworks因为连连亏损，宣布平等合并，Cloudera以股票方式收购Hortonworks，Cloudera股东最终获得合并公司60%的股份。这笔交易意味着Hadoop市场再也无法维持两大竞争对手对峙的状态了。但合并后公司股价继续下跌，在过去的七个月市值减半。临时看台出租http://linshikantai.51sole.com，