大数据网站通常使用以下几种程序和技术：
Hadoop：
Hadoop是一个开源的分布式计算框架，用于处理大规模数据集。它包括Hadoop分布式文件系统（HDFS）和Hadoop分布式计算框架（MapReduce），并且通常与Java编程语言一起使用。
Spark：
Spark是另一个流行的大数据处理框架，它是基于内存的计算引擎，能够在处理大规模数据时提供快速的计算速度。Spark支持多种编程语言（如Scala、Java、Python和R），并提供了丰富的API和库，使开发人员可以方便地进行数据分析、机器学习和图计算等任务。
Hive：
Hive是一个基于Hadoop的数据仓库基础设施，它提供了类似于SQL的查询语言（HiveQL），使用户能够使用标准SQL语句来处理大规模数据。Hive将查询转换为MapReduce任务执行，并进行优化以减少计算成本。
Pig：
Pig是另一个基于Hadoop的数据处理平台，它提供了一种名为Pig Latin的高级脚本语言，可以对大规模数据集进行数据流的转换和分析。Pig支持复杂的数据操作和自定义函数，并能够与Hadoop生态系统中的其他工具集成。
Flink：
Flink是一种流式计算和批处理框架，可以处理大规模的数据流和有界数据集。它提供了低延迟的、高吞吐量的流处理和灵活的、可扩展的批处理功能。Flink支持多种编程语言（如Java、Scala和Python），并提供了丰富的API和库。
Presto：
Presto是Facebook开发的一个分布式SQL查询引擎，可以处理PB级别的数据，并且性能比Hive和MapReduce快得多。Presto支持ANSI SQL的大多数特性，包括联合查询、左右联接、子查询以及一些聚合和计算函数。
Python：
Python是一种广泛使用的编程语言，在大数据领域有广泛的应用。Python拥有丰富的数据处理和分析库，如NumPy、Pandas和Scikit-learn等，可以帮助开发人员进行数据清洗、数据分析和可视化等工作。
R：
R是一种流行的统计分析和数据可视化语言，适用于大数据分析。R提供了丰富的数据处理和统计函数，可以方便地进行数据清洗、建模和可视化等任务。
SQL：
SQL（Structured Query Language）是用于管理和查询关系型数据库的语言。在大数据公司中，使用SQL来处理和分析结构化数据是常见的做法。
Java：
Java是一种广泛使用的编程语言，也是Hadoop和Spark的主要支持语言之一。使用Java可以实现大规模数据处理和分析的应用程序。
Scala：
Scala是一门多范式的编程语言，一方面继承了多种语言中的优秀特性，一方面又没有抛弃Java这个强大的平台。大数据开发重要框架Spark就是采用Scala语言设计的，想要学好Spark框架，拥有Scala基础是必不可少的。
这些程序和工具各有优势，选择哪种技术栈取决于具体的应用场景和需求。例如，对于需要快速处理和分析大规模数据的任务，Spark和Flink可能是更好的选择；而对于需要数据仓库和类似SQL查询的场景，Hive可能更合适。同时，Python和R在数据分析和统计建模方面也非常流行。