首先通过ftp等的sftp将所有文件收集到hdfs/（可能是s3）/hive中。。。。
然后就有了统一的存储hdfs。您可以根据自己的需求应用mapreduce或spark等进行处理。
如果他们拥有各种各样的数据源/服务器，而不是收集它们（称为数据摄取），然后使用任何可用的框架进行数据处理，那么没有人能做任何事情。