大数据采用的技术包括：

数据采集技术 ：

传感器技术 ：通过各类传感器收集物理世界的数据，如温度传感器、湿度传感器等。

网络爬虫技术 ：从互联网上抓取数据，如网页内容、社交媒体数据等。

日志收集技术 ：收集系统、应用和服务生成的日志数据，用于后续分析。

数据存储技术 ：

分布式文件系统 ：如Hadoop的HDFS，能够存储大规模的数据集。

NoSQL数据库 ：如MongoDB、Cassandra等，适用于存储非结构化或半结构化数据。

列式存储 ：如Hbase，适用于需要快速读取和分析大量数据的应用场景。

数据处理技术 ：

批处理技术 ：如Hadoop的MapReduce，用于处理大规模数据集的批处理任务。

流处理技术 ：如Apache Storm、Apache Flink等，能够实时处理数据流，实现数据的实时分析和决策。

图处理技术 ：如Apache Giraph，用于处理图结构的数据，如社交网络分析。

数据管理技术 ：

数据清洗和挖掘技术 ：包括多源多模态信息集成模型、异构数据智能转换模型等，用于提高数据质量。

数据质量控制 ：确保数据的准确性、完整性和一致性。

数据可视化技术 ：

用于将数据以图形化的方式展示，帮助用户更直观地理解数据和分析结果。

大数据架构设计技术 ：

包括分布式系统架构、数据仓库建设、数据集成平台等，用于支撑大数据的存储、处理和分析。

大数据实时计算技术 ：

如Apache Spark、Apache Flink等，用于实现数据的实时处理和分析。

其他相关技术 ：

分布式计算 ：如Hadoop、Spark等，用于处理大规模数据集。

机器学习 ：用于从数据中提取模式和知识，进行预测和决策。

并行计算 ：通过多核处理器或分布式系统同时处理多个任务，提高计算效率。

这些技术共同构成了大数据处理和分析的完整体系，从数据的采集、存储、处理到分析和可视化，每个环节都有多种技术工具和方法可供选择和应用。