离线分析和实时分析的不同场景是什么？离线分析是Hadoop的HDFS+MP来做。实时分析是用的什么？

离线计算使用hadoop，实时计算使用storm。两者区别如下：
数据来源：Hadoop是HDFS上某个文件夹下的数据，数据量可能以TB来计；而Storm则是实时新增的某一笔数据。

处理过程：Hadoop是Map阶段到Reduce阶段的；Storm是由用户定义处理流程，流程中可以包含多个步骤，每个步骤可以是数据源(SPOUT)，也可以是处理逻辑(BOLT)。

是否结束：Hadoop最后必须要结束；而Storm没有结束状态，到最后一步时，就停在那，直到有新数据进入时再重新开始。

处理速度：Hadoop以处理HDFS上大量数据为目的，速度慢；Storm只要处理新增的某一笔数据即可，故此它的速度很快。

适用场景：Hadoop主要是处理一批数据，对时效性要求不高，需要处理就提交一个JOB；而Storm主要是处理某一新增数据的，故此时效性要求高。

Storm为分布式实时计算提供了一组通用原语，可被用于“流处理”之中，实时处理消息并更新数据库。这是管理队列及工作者集群的另一种方式。 Storm也可被用于“连续计算”（continuous computation），对数据流做连续查询，在计算时就将结果以流的形式输出给用户。它还可被用于“分布式RPC”，以并行的方式运行昂贵的运算。

离线分析目前主要还是采取hadoop来分析的。
主要分为ETL、机器学习
ETL一般采取Hive、MR
机器学习已经采取spark mllib

实时分析这个主要看你的场景
一般分为：

• 动态的流式计算
  一般用流式框架，如：sparkStreaming、strom等
• 静态数据数据的实时查询或者分析
  Hbase、Phoenix、kylin等

目前E-MapReduce都直接提供或者通过引导安装这些软件的

希望能帮助到您。