大数据计算平台的核心计算框架是

大数据计算平台的核心计算框架是Hadoop。Hadoop是一个开源的分布式计算框架，它允许用户在不了解分布式系统内部工作机制的情况下，开发和运行处理大量数据的应用程序。Hadoop由HDFS（Hadoop Distributed File System）、MapReduce、YARN（Yet Another Resource Negotiator）等组件组成。

1. HDFS：Hadoop Distributed File System（HDFS）是一个高容错性的分布式文件系统，它可以在廉价的硬件上提供可扩展的存储空间。HDFS将数据分割成多个块，并将这些块分布在集群中的多个节点上。每个块都有一个唯一的标识符，称为块号。当一个节点上的文件被修改或删除时，HDFS会自动将该文件的数据复制到其他节点上，以保证数据的一致性和可用性。

2. MapReduce：MapReduce是一种编程模型，用于处理大规模数据集。它包括两个主要阶段：Map和Reduce。Map阶段负责将输入数据分解成较小的子集，并生成中间结果。Reduce阶段则负责对Map阶段产生的中间结果进行汇总，生成最终结果。MapReduce的优点是简单易用，可以并行处理大量数据，大大提高了数据处理的速度。

3. YARN：Yet Another Resource Negotiator（YARN）是一个高级的资源管理系统，用于管理和调度集群中的资源。YARN提供了一种灵活的方式来分配和管理集群中的计算资源，包括CPU、内存、磁盘空间等。YARN支持多种任务调度策略，如公平调度、轮询调度等，以满足不同场景的需求。

4. Spark：Spark是一种通用的计算引擎，它支持快速迭代计算和流式处理。Spark的核心组件包括RDD（Resilient Distributed Datasets）、DataFrame和Spark SQL等。RDD是一种类似于MapReduce的分布式数据集，它允许用户在内存中处理大规模数据集。DataFrame是一种结构化的数据集，可以方便地进行查询和分析。Spark SQL则提供了SQL接口，使得用户可以使用熟悉的SQL语言来查询和分析数据。

5. Flink：Flink是一种实时流处理框架，它支持批处理和流处理两种模式。Flink的核心组件包括Event Time API、DataStream API和Execution Plan API等。Event Time API用于处理事件时间序列数据，DataStream API用于处理连续的数据流，Execution Plan API用于生成执行计划。Flink支持多种数据源和输出格式，如Kafka、Flume、Twitter等，并且可以与现有的大数据生态系统无缝集成。

总之，Hadoop是目前最流行的大数据计算平台之一，它具有强大的数据处理能力、良好的容错性和可扩展性。然而，随着大数据技术的发展，出现了许多新的计算框架，如Spark、Flink等，它们在某些方面具有更好的性能和功能。因此，在选择大数据计算平台时，需要根据具体需求和场景来决定使用哪种框架。