主流分布式计算平台有很多，以下是一些常见的平台：
1. Apache Hadoop：Hadoop是一个开源的分布式计算框架，用于处理大规模数据。它由多个组件组成，包括HDFS（Hadoop Distributed File System）和MapReduce。HDFS是一个高性能、可扩展的分布式文件系统，而MapReduce则是一种编程模型，用于在集群中并行处理大规模数据。
2. Spark：Spark是一个基于内存计算的通用数据处理引擎，适用于大规模数据集的快速处理。它由一个核心库（Spark Core）和多个子项目组成，包括Spark SQL、Spark Streaming、Spark MLlib等。Spark的核心库提供了一套简单易用的API，可以方便地对大规模数据集进行批处理和流处理。
3. Apache Flink：Apache Flink是一个开源的分布式流处理引擎，适用于实时数据分析和机器学习等领域。Flink使用事件驱动的编程模型，支持多种数据源和输出格式。它具有良好的容错性和性能表现，可以处理大规模的实时数据流。
4. Apache Storm：Apache Storm是一个开源的大数据处理框架，主要应用于实时数据处理。它使用消息传递机制实现节点间的通信，通过拓扑结构组织节点，以实现高效的数据分发和聚合。Storm具有灵活的拓扑构建器，可以轻松扩展和修改拓扑结构。
5. Apache Kafka：Apache Kafka是一个高吞吐量的消息队列，主要用于构建实时数据流应用程序。它采用了发布-订阅模式，允许多个消费者同时消费同一个主题。Kafka具有高度可扩展性和容错性，适合处理大规模数据流。
6. Apache Mesos：Apache Mesos是一个开源的资源调度和管理平台，用于管理和调度计算资源。它支持多种计算框架和存储系统，可以实现资源的动态分配和负载均衡。Mesos具有高度可配置性和灵活性，可以适应不同的应用场景。
7. Container Engines：容器技术是实现分布式计算的一种重要方式。以下是一些常见的容器引擎：
- Docker：Docker是一个开源的应用容器引擎，实现了应用打包、自动化部署和运行等功能。它支持多种编程语言和环境，可以方便地在不同主机之间迁移应用。
- Kubernetes：Kubernetes是一个开源的容器编排平台，可以自动管理容器的生命周期和资源需求。它支持多种工作负载和应用类型，可以提供高可用性和弹性的计算资源。
- Kubernetes Native：Kubernetes Native（K8sN）是一种容器编排工具，专门为Kubernetes设计。它提供了与Kubernetes相同的功能和服务，但更加轻量级和易于使用。
这些平台各有特点和优势，可以根据具体需求选择合适的分布式计算平台。
