HDFS和MapReduce只是打造Hadoop平臺最基本的核心套件，在Apache基金會的網站中還有其他的相關開源套件，共同組成了一個Hadoop體系（Hadoop Ecosystem）。
通過這些相關項目的延伸，開發(fā)人員就算不懂Java,也可以用特定Script語言來寫Hadoop上的MapReduce程序，甚至可以用SQL語法來查詢HDFS上的數據。這些周邊項目可說是大幅強化Hadoop功能的軟件軍火庫，想要善用Hadoop的開發(fā)人員不可錯過。其中重要的周邊項目包括HBase、Hive 、ZooKeeper、Pig和Mahout.
HBase 能容納PB數據量的分布式數據庫 HBase是專門用于Hadoop文件系統(tǒng)上的數據庫系統(tǒng)，采取Column-Oriented 數據庫設計，不同于傳統(tǒng)的關系數據庫，例如沒有數據表、Schema數據架構等功能，而是采用Key-Value形式的數據架構，每筆數據都有一個Key值對應到一個Value值，再通過多維度的對應關系來建立類似表格效果的數據架構。如此就能采取分布式儲存方式，可以擴展到數千臺服務器，應對PB級的數據處理。
Hive 可用SQL語法存取Hadoop數據 Hive是部署在HDFS上的一套分布式數據存儲系統(tǒng)，可讓用戶以慣用的SQL語法，來存取Hadoop文件中的大型數據集，例如可以使用Join、Group by、Order by等，而這個語法稱為Hive QL.不過，Hive QL和SQL并非完全相同，例如Hive就不支持Store Procedure、Trigger等功能。 Hive會將用戶輸入的Hive QL指令編譯成Java程序，再來存取HDFS文件系統(tǒng)上的數據，所以，執(zhí)行效率依指令復雜度和處理的數據量而異，可能有數秒鐘，甚至是數分鐘的延遲。和HBase相比，Hive容易使用且彈性高，但執(zhí)行速度較慢。不少數據庫系統(tǒng)，都是通過先連結到Hive,才能與Hadoop整合。例如微軟就是通過Hive ODBC驅動程序，將SQL指令轉換成Hive QL,讓Excel可以存取Hadoop上的數據。
在同一個Hadoop集群中，Hive可以存取HBase上的數據，將HBase上的數據對應成Hive內的一個表格。
Pig 不懂Java開發(fā)也能寫MapReduce Pig提供了一個Script語言Pig Latin,語法簡單，類似可讀性高的高等Basic語言，可用來寫MapReduce程序。Pig會自動將這些腳本程序轉換，成為能在Hadoop中執(zhí)行的MapReduce Java程序。
因此，使用者即使不懂Java也能寫出MapReduce.不過，一般來說，通過Pig腳本程序轉換，會比直接用Java寫MapReduce的效能降低了25%.
ZooKeeper 讓Hadoop內部服務器能協(xié)同運作 Zookeeper是監(jiān)控和協(xié)調Hadoop分布式運作的集中式服務，可提供各個服務器的配置和運作狀態(tài)信息，用于提供不同Hadoop系統(tǒng)角色之間的工作協(xié)調。
以HBase數據庫為例，其中有兩種服務器角色：Region服務器角色和Master服務器角色，系統(tǒng)會自動通過ZooKeeper監(jiān)看Master服務器的狀態(tài)，一旦Master的運作信息消失，代表當機或網絡斷線，HBase就會選出另一臺Region服務器成為Mater角色來負責管理工作。
Mahout 立即可用的常用MapReduce程序庫 在Hadoop中，開發(fā)人員必須將數據處理作法拆解成可分散運算的Map和Reduce程序，因為思考邏輯和常見的程序開發(fā)邏輯不同，所以開發(fā)難度很高。Mahout則提供了一個常用的MapReduce函式庫，常見的數值分析方法、集群分類和篩選方式，都已經有對應的MapReduce函數可呼叫，開發(fā)人員就不必再重復開發(fā)一次。