原创力文档- 1、本文档共11页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
长风破浪会有时，直挂云帆济沧海。——李白
第19章大数据架构设计
理论与实践
学习笔记
一、传统数据处理系统存在的问题
数据库无法支撑日益增长的用户请求的负载，导致数据库服务器
无法及时响应用户请求，导致出现超时错误。
1、在web服务器和数据库中间加入异步处理队列;
2、对数据库进行分区；
3、读写分离；
4、分库分表技术。
以上都无法彻底解决问题，依旧存在这样那样的问题，导致数据
不一致，需要研究大数据架构设计。
二、大数据系统架构
1、大数据处理系统面临的挑战
（1）处理结构化和非结构化数据；
（2）大数据的复杂性和不确定性；
（3）数据异构和决策异构
2、大数据处理系统结构设计的特征
（1）鲁棒性和容错性；
（2）低延迟读取和更新能力；
长风破浪会有时，直挂云帆济沧海。——李白
（3）横向扩容；
（4）通用性；
（5）延展性；
（6）即席查询能力；
（7）最少维护能力；
（8）可调试性。
三、Lambda架构
1、Lambda架构
Lambda是用于同时处理离线和实时数据，可容错、可扩展的分
布式系统架构。
有批处理层、加速层、服务层。
同时以流计算和批处理计算合并视图。
Lambda架构的批处理层采用不可变存储模型，不断地往主数据集后
追加新的数据。
2、Lambda架构的优缺点
（1）优点
长风破浪会有时，直挂云帆济沧海。——李白
容错性好、查询灵活度高、易伸缩、易扩展。
（2）缺点
全场景覆盖，编码开销；离线训练益处不大；重新部署和迁移成
本很高。
四、Kappa架构
1、Lambda架构
只通过流计算产生视图，删除了批处理层，将数据通道以消息队列的
方式代替。
实时层、服务层和数据层。
2、Lambda架构的优缺点
（1）优点：
将实时和离线代码统一起来，方便维护而且统一了数据口径的问
题，避免了Lambda架构中与离线数据合并的问题；
查询历史数据的时候只需要重放存储的历史数据即可。
（2）缺点：
消息中间件缓存的数据量和回溯数据有性能瓶颈。通常算法需要
过去180天的数据，如果都存在消息中间件，无疑有非常大的压力。
长风破浪会有时，直挂云帆济沧海。——李白
同时，一次性回溯订正180天级别的数据，对实时计算的资源消耗也
非常大。
在实时数据处理时，遇到大量不同的实时流进行关联时，非常依
赖实时计算系统的能力，很可能因为数据流先后顺序问题，导致数据
丢失。
Kappa在抛弃了离线数据处理模块的时候，同时抛弃了离线计算
更加稳定可靠的特点。Lambda虽然保证了离线计算的稳定性，但双
系统的维护成本高且两套代码带来后期运维困难。
3、Kappa架构与Lambda架构的区别
Kappa架构与Lambda相比，主要有两点区别：
(1)Kappa不是Lambda的替代架构，而是其简化版本，Kap
文档评论（0）