大数据主流架构主要包括以下几种类型：
1. 分布式计算框架：如Hadoop、Spark等。这些框架提供了分布式计算的能力，可以处理大规模的数据。Hadoop是一个开源的分布式系统框架，用于处理大规模数据集。Spark是一个快速、通用的计算引擎，基于内存计算，可以处理大规模数据集。
2. 数据仓库技术：如Hive、Impala等。这些技术可以将结构化数据存储在关系数据库中，并提供查询和分析功能。Hive是一个类似于SQL的查询语言，用于在Hadoop上执行数据仓库操作。Impala是一个基于Hadoop的数据仓库工具，提供了类似于SQL的查询语言。
3. 实时数据处理框架：如Apache Storm、Apache Flink等。这些框架提供了实时数据处理的能力，可以处理实时数据流。Apache Storm是一个基于事件驱动的实时数据处理框架，可以处理大规模的数据流。Apache Flink是一个基于流处理的实时数据处理框架，可以处理实时数据流。
4. 机器学习和深度学习框架：如TensorFlow、PyTorch等。这些框架提供了机器学习和深度学习的能力，可以处理大规模数据集。TensorFlow是一个开源的机器学习框架，支持多种模型和算法。PyTorch是一个开源的深度学习框架，提供了丰富的神经网络库。
5. 大数据可视化工具：如Tableau、Power BI等。这些工具可以将大数据转换为可理解的图形和报表，帮助用户分析和决策。Tableau是一个数据可视化工具，提供了丰富的图表和仪表板。Power BI是一个商业数据可视化工具，提供了丰富的报表和仪表板。
6. 大数据存储技术：如HBase、Cassandra等。这些技术提供了分布式存储能力，可以处理大规模数据集。HBase是一个开源的分布式数据库，主要用于存储键值对数据。Cassandra是一个开源的分布式数据库，主要用于存储非结构化数据。
7. 大数据平台：如Amazon S3、Google Cloud Storage等。这些平台提供了大数据存储和管理的能力，可以处理大规模数据集。Amazon S3是一个云存储服务，提供了文件存储和备份功能。Google Cloud Storage是一个云存储服务，提供了对象存储和备份功能。
8. 大数据治理工具：如Data Lakehouse、Data Studio等。这些工具提供了数据治理和管理的能力，可以确保数据的质量和一致性。Data Lakehouse是一个数据湖工具，提供了数据存储、管理和分析的功能。Data Studio是一个数据可视化工具，提供了数据探索和分析的功能。
总之，大数据主流架构包括分布式计算框架、数据仓库技术、实时数据处理框架、机器学习和深度学习框架、大数据可视化工具、大数据存储技术和大数据治理工具等多种类型。这些架构相互补充，共同构成了大数据生态系统的核心部分。
