1. 五種主流的大數據架構

1.1 傳統大數據架構

　　之所以叫傳統大數據架構，是因為其定位是為了解決傳統BI的問題，簡單來說，數據分析的業務沒有發生任何變化，但是因為數據量、性能等問題導致系統無法正常使用，需要進行升級改造，那么此類架構便是為了解決這個問題。可以看到，其依然保留了ETL的動作，將數據經過ETL動作進入數據存儲。

　　優點：簡單，易懂，對於BI系統來說，基本思想沒有發生變化，變化的僅僅是技術選型，用大數據架構替換掉BI的組件。

　　缺點：對於大數據來說，沒有BI下如此完備的Cube架構，雖然目前有kylin，但是kylin的局限性非常明顯，遠遠沒有BI下的Cube的靈活度和穩定度，因此對業務支撐靈活度不夠，所以對於存在大量報表，或者復雜的鑽取的場景，需要太多的手工定制化，同時該架構依舊以批處理為主，缺乏實時的支撐。

　　適用場景：數據分析需求依舊以BI場景為主，但是因為數據量、性能等問題無法滿足日常使用。

1.2 流式架構

　　在傳統大數據架構的基礎上，流式架構非常激進，直接拔掉了批處理，數據全程以流的形式處理，所以在數據接入端沒有了ETL，轉而替換為數據通道。經過流處理加工后的數據，以消息的形式直接推送給了消費者。雖然有一個存儲部分，但是該存儲更多的以窗口的形式進行存儲，所以該存儲並非發生在數據湖，而是在外圍系統。

　　優點：沒有臃腫的ETL過程，數據的實效性非常高。

　　 缺點：對於流式架構來說，不存在批處理，因此對於數據的重播和歷史統計無法很好的支撐。對於離線分析僅僅支撐窗口之內的分析。

　　適用場景：預警，監控，對數據有有效期要求的情況

1.3 Lambda架構

　　Lambda架構算是大數據系統里面舉足輕重的架構，大多數架構基本都是Lambda架構或者基於其變種的架構。Lambda的數據通道分為兩條分支：實時流和離線。實時流依照流式架構，保障了其實時性，而離線則以批處理方式為主，保證了最終一致性。流式通道處理為保障實效性更多的以增量計算為主輔助參考，而批處理層則對數據進行全量運算，保障其最終的一致性，因此Lambda最外層有一個實時層和離線層合並的動作，此動作是Lambda里非常重要的一個動作，大概的合並思路如下：

　　優點：既有實時又有離線，對於數據分析場景涵蓋的非常到位。

　　缺點：離線層和實時流雖然面臨的場景不同，但是其內部處理的邏輯卻是相同，因此有大量榮譽和重復的模塊存在。

　　適用場景：同時存在實時和離線需求的情況。

1.4 Kappa架構

　　Kappa架構在Lambda的基礎上進行了優化，將實時和流部分進行了合並，將數據通道以消息隊列進行替代。因此對於Kappa架構來說，依舊以流處理為主，但是數據卻在數據湖層面進行了存儲，當需要進行離線分析或者再次計算的時候，則將數據湖的數據再次經過消息隊列重播一次即可。

　　優點：Kappa架構解決了Lambda架構里面的冗余部分，以數據可重播的超凡脫俗的思想進行了設計，整個架構非常簡潔。

　　缺點：雖然Kappa架構看起來簡潔，但是實施難度相對較高，尤其是對於數據重播部分。

　　使用場景：和Lambda類似，改架構是針對Lambda的優化。

1.5 Unifield架構

　　以上的種種架構都圍繞海量數據處理為主，Unifield架構則更激進，將機器學習和數據處理揉為一體，從核心上來說，Unifield依舊以Lambda為主，不過對其進行了改造，在流處理層新增了機器學習層。可以看到數據在經過數據通道進入數據湖后，新增了模型訓練部分，並且將其在流式層進行使用。同時流式層不單使用模型，也包含着對模型的持續訓練。

　　優點：Unifield架構提供了一套數據分析和機器學習結合的架構方案，非常好的解決了機器學習如何與數據平台進行結合的問題。

　　缺點：Unifield架構實施復雜度更高，對於機器學習架構來說，從軟件包到硬件部署都和數據分析平台有着非常大的差別，因此在實施過程中的難度系數更高。

　　適用場景：有着大量數據需要分析，同時對機器學習方便又有着非常大的需求或者有規划。