大数据常用处理框架

发展到今天，大数据处理主要分为两类大的需求，一是批处理，一是流处理。在企业的实际业务场景当中，可能会只需要批处理或者流处理，也可能同时需要批处理和流处理，这就使得搭建大数据系统平台的时候大数据计算框架，需要根据具体场景来进行技术选型。

大数据处理框架，通常可以分为三类——

①批处理框架：Apache Hadoop

②流处理框架：Apache Storm、Apache Samza

③批处理+流处理框架：Apache Spark、Apache Flink

这里我们不对各个框架做更具体的讲解，而是先来理解这些不同处理模式背后的思想。

1、批处理

批处理是大数据处理当中的普遍需求，批处理主要操作大容量静态数据集，并在计算过程完成后返回结果。鉴于这样的处理模式，批处理有个明显的缺陷，就是面对大规模的数据，在计算处理的效率上，不尽如人意。

目前来说，批处理在应对大量持久数据方面的表现极为出色，因此经常被用于对历史数据进行分析。

2、流处理

批处理之后出现的另一种普遍需求，就是流处理，针对实时进入系统的数据进行计算操作，处理结果立刻可用，并会随着新数据的抵达继续更新。

在实时性上，流处理表现优异，但是流处理同一时间只能处理一条（真正的流处理）或很少量（微批处理，Micro-batch Processing）数据，不同记录间只维持最少量的状态，对硬件的要求也要更高。

3、批处理+流处理

在实际的应用当中，批处理和流处理同时存在的场景也很多，混合处理框架就旨在解决这类问题。提供一种数据处理的通用解决方案，不仅可以提供处理数据所需的方法，同时提供自己的集成项、库、工具，可满足图形分析、机器学习、交互式查询等多种场景。

大数据系统平台的搭建，往往需要在这些开源大数据处理框架当中进行选择，因此也就要求开发者们有相应程度的掌握。

（编辑：温州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!