常见的大数据开源系统有以下几种：
1. Hadoop：Hadoop是由Apache基金会开发和维护的一种大数据处理框架。它的核心组件包括Hadoop分布式文件系统（HDFS）和Hadoop分布式计算框架（MapReduce）。Hadoop可以处理大规模数据集的分布式存储和处理，并提供了高可靠性、高扩展性和高容错性的特性。
2. Spark：Spark是由Apache基金会开发和维护的一种快速、通用的大数据处理系统。它支持在内存中进行数据处理，相比于Hadoop的MapReduce，Spark具有更高的性能。Spark提供了丰富的API，包括批处理、流处理、机器学习和图处理等功能，使得开发人员可以方便地进行大数据处理和分析。
3. Flink：Flink是一种高性能、低延迟的大数据处理框架，由Apache基金会开发和维护。它支持批处理和流处理，并且在两者之间实现无缝切换。Flink具有内存优化的计算引擎和容错机制，可以处理大规模的数据流，并提供了丰富的API和库，支持实时查询、机器学习和图处理等复杂任务。
4. Kafka：Kafka是一种分布式消息队列系统，由Apache基金会开发和维护。它可以支持高吞吐量的实时数据流处理，并提供了持久性的消息存储功能。Kafka适用于构建实时数据管道和流处理应用，可以将数据流从生产者发送到消费者。
5. Cassandra：Cassandra是一种高可扩展性的分布式数据库系统，由Apache基金会开发和维护。它采用分布式架构，可以处理海量的结构化和半结构化数据，并具有高可用性和容错性。Cassandra适用于存储和查询大规模数据集，常用于日志分析、时间序列数据和用户行为分析等应用场景。
以上是常见的大数据开源系统，每种系统都有其特点和适用场景。在选择和使用时，需要根据需求和实际情况进行评估和比较，以便找到最合适的系统来处理大数据。