about云开发

 找回密码
 立即注册

QQ登录

只需一步,快速开始

扫一扫,访问微社区

查看: 1807|回复: 2

[总结型] 注册免费送体验金平台

[复制链接]

508

主题

390

听众

237

收听

版主

Rank: 7Rank: 7Rank: 7

积分
5764
发表于 2019-4-11 18:25:17 | 显示全部楼层 |阅读模式

问题导读

1.本文认为有哪哪5种大数据主流架构?
2.传统大数据架构是什么架构?
3.Lambda 架构包含哪些内容?


目前围绕Hadoop体系的大数据架构大概有以下几种:

1.传统大数据架构
1.png

之所以叫传统大数据架构,是因为其定位是为了解决传统BI的问题。简单来说,数据分析的业务没有发生任何变化,但是因为数据量、性能等问题导致系统无法正常使用,需要进行升级改造,那么此类架构便是为了解决这个问题。可以看到,其依然保留了ETL的动作,将数据经过ETL动作进入数据存储。

优点:简单、易懂,对于BI系统来说,基本思想没有发生变化,变化的仅仅是技术选型,用大数据架构替换掉BI的组件。

缺点:对于大数据来说,没有BI下如此完备的Cube架构,虽然目前有Kylin,但是Lylin的局限性非常明显,远远没有BI下Cube的灵活度和稳定度,因此对业务支撑的灵活度不够,所以对于存在大量报表或复杂钻取的场景,需要太多的手工定制化,同时该架构依旧以批处理为主,缺乏实时的支撑。

适用场景:数据分析需求依旧以BI场景为主,但是因为数据量、性能等问题无法满足日常使用。

2.流式架构
1.png

在传统大数据架构的注册送体验金无需申请上,流式架构非常激进,直接拔掉了批处理,数据全程以流的形式处理,所以在数据接入端没有了ETL,转而替换为数据通道。经过流处理加工后的数据,以消息的形式直接推送给了消费者。虽然有一个存储部分,但是该存储注册免费送体验金平台以窗口的形式进行存储,所以该存储并非发生在数据湖,而是在外围系统。

优点:没有臃肿的ETL过程,数据的实效性非常高。

缺点:对于流式架构来说,不存在批处理,因此对于数据的重播和历史无法很好的支撑。对于离线分析仅仅支撑窗口之内的分析。

适用场景:预警、监控、对数据有有效期要求的情况。

3.Lambda 架构
1.png

Lambda架构算是大数据系统里面举足轻重的架构,大多数架构基本都是Lambda架构或者基于其变种的架构。

Lambda的数据通道分为两条分支:实时流和离线。实时流依照流式架构,保障了其实时性,而离线则以批处理方式为主,保障了最终一致性。

什么意思呢?流式通道处理为保障实效性注册免费送体验金平台的以增量计算为主辅助参考,而批处理层则对数据进行全量运算,保障其最终的一致性。因此,Lambda最外层有一个实时层和离线层合并的动作,此动作是Lambda里非常重要的一个动作,大概的合并思路如下:

1.jpg

优点:既有实时又有离线,对于数据分析场景涵盖的非常到位。

缺点:离线层和实时流虽然面临的场景不相同,但是其内部处理的逻辑却是相同,因此有大量冗余和重复的模块存在。

适用场景:同时存在实时和离线需求的情况。

Kappa 架构
1.png


Kappa架构在Lambda的注册送体验金无需申请上进行了优化,将实时和流部分进行了合并,将数据通道以消息队列进行替代。因此对于Kappa架构来说,依旧以流处理为主,但是数据却在数据湖层面进行了存储,当需要进行离线分析或者再次计算的时候,则将数据湖的数据再次经过消息队列重播一次则可。

优点:Kappa架构解决了Lambda架构里面的冗余部分,以数据可重播的超凡脱俗的思想进行了设计,整个架构非常简洁。

缺点:虽然Kappa架构看起来简洁,但是施难度相对较高,尤其是对于数据重播部分。

适用场景:和Lambda类似,该架构是针对Lambda的优化。

Unifield架构
以上的种种架构都围绕海量数据处理为主,Unifield架构则更激进,将机器学习和数据处理揉为一体,从核心上来说,Unifield依旧以Lambda为主,不过对其进行了改造,在流处理层新增了机器学习层。可以看到数据在经过数据通道进入数据湖后,新增了模型训练部分,并且将其在流式层进行使用。同时流式层不单使用模型,也包含着对模型的持续训练。

优点:Unifield架构提供了一套数据分析和机器学习结合的架构方案,非常好的解决了机器学习如何与数据平台进行结合的问题。

缺点:Unifield架构实施复杂度更高,对于机器学习架构来说,从软件包到硬件部署都和数据分析平台有着非常大的差别,因此在实施过程中的难度系数更高。

适用场景:有着大量数据需要分析,同时对机器学习方便又有着非常大的需求或者有规划的情况。

总结
以上为目前数据处理领域使用较多的几种架构,当然还有非常多其他架构,不过其思想都会或多或少的类似。数据领域和机器学习领域会持续发展,以上几种思想或许终究会变得过时,我们只能与时俱进,不断更新自己的知识库。

最新经典文章,欢迎关注公众号


原文链接
欢迎加入about云群425860289432264021 ,云计算爱好者群,关注about云腾讯认证空间

2

主题

6

听众

4

收听

中级会员

Rank: 3Rank: 3

积分
627
发表于 2019-5-5 09:40:17 | 显示全部楼层
66666666666666666666
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

关闭

推荐上一条 /3 下一条

QQ|小黑屋|about云开发-学问论坛|社区 ( 京ICP备12023829号

GMT+8, 2019-6-27 08:45 , Processed in 0.465300 second(s), 32 queries , Gzip On.

Powered by Discuz! X3.2 Licensed

快速回复 返回顶部 返回列表