大数据主流的计算框架主要包括以下几种：
1. Hadoop生态系统：Hadoop是一个开源的分布式系统框架，用于处理大规模数据集。它包括HDFS（Hadoop Distributed File System）和MapReduce等组件。Hadoop生态系统提供了一种简单的方式来存储和处理大规模数据，适用于大规模数据集的存储和分析。
2. Spark：Spark是一种快速、通用的计算引擎，适用于大规模数据处理。它基于内存计算，可以提供高吞吐量和低延迟的计算能力。Spark具有强大的数据处理能力，支持多种编程语言，如Scala、Java、Python等。Spark广泛应用于机器学习、数据分析、实时流处理等领域。
3. Flink：Flink是一个开源的流处理框架，适用于实时数据处理和分析。它基于事件驱动的计算模型，可以处理大规模的数据流。Flink具有高性能、可扩展性和容错性等特点，适用于实时数据分析、流式处理和批处理任务。
4. Storm：Storm是一个开源的分布式消息队列和流处理框架，适用于大规模数据的实时处理。它基于Twitter的Thrift库，可以处理大规模的数据流。Storm具有容错性、可扩展性和灵活性等特点，适用于实时数据处理和分析。
5. Apache Kafka：Apache Kafka是一个分布式消息队列平台，主要用于大规模数据的实时处理和分析。它支持高吞吐量的消息传递，适用于实时数据处理、日志收集和数据流处理。Kafka具有高可靠性、可扩展性和容错性等特点，适用于大规模数据的实时处理和分析。
6. Apache Hive：Apache Hive是一个数据仓库工具，用于大规模数据的查询和分析。它基于Hadoop，可以将SQL查询转换为MapReduce任务进行执行。Hive具有易用性、可扩展性和容错性等特点，适用于大规模数据的查询和分析。
7. Apache Pig：Apache Pig是一个数据挖掘和统计分析工具，主要用于大规模数据集的预处理和分析。它基于Hadoop，可以将SQL查询转换为MapReduce任务进行执行。Pig具有易用性、可扩展性和容错性等特点，适用于大规模数据的预处理和分析。
8. Apache Zeppelin：Apache Zeppelin是一个交互式数据科学和机器学习平台，主要用于大规模数据集的探索和分析。它基于Web技术，提供了一个可视化的数据探索环境。Zeplein具有易用性、可扩展性和容错性等特点，适用于大规模数据的探索和分析。
9. Apache Spark Streaming：Apache Spark Streaming是一个实时数据处理框架，主要用于大规模数据的实时处理和分析。它基于Spark，可以处理大规模的数据流。Spark Streaming具有高吞吐量、低延迟和可扩展性等特点，适用于实时数据处理和分析。
10. Apache Flink：Apache Flink是一个流处理框架，主要用于大规模数据的实时处理和分析。它基于事件驱动的计算模型，可以处理大规模的数据流。Flink具有高性能、可扩展性和容错性等特点，适用于实时数据分析、流式处理和批处理任务。
总之，这些主流的计算框架各有特点和优势，可以根据实际需求选择合适的框架进行大数据处理和分析。
