大数据框架概论

大数据框架：

• 批处理框架
• 流处理框架
• 混合框架

批处理框架

批处理框架数据特征：有界、持久、大量
优势：处理大量数据任务
缺点：处理时间要求高 紧急的任务
例如：Apache Hadoop

流处理框架

流处理模式框架特征:数据无边界 适合用来处理必须对变动或者峰值做出响应
优势：处理几乎无限量的数据
缺点：同一时间只能处理一条或很少量的数据
例如：Apache Storm 和 Apache Samza

混合处理框架

混合处理模式框架特征：可以同时处理批处理和流处理工作负载
优势：提供一种数据处理的通用解决方案，提供自己的继承库、项、工具。
例如：Apache Spark 和 Apache Flink

KvCluster-Redis内存数据库
Redis（Remote Dictionary Server），即远程字典服务，可用作数据库也可以用作缓存，属于nosql系列数据库（non-relational）。使用Key-Value进行存储，默认端口号：6379
类型：

• string 字符串
• list 链表
• set 集合
• zset 有序集合
• hash 哈希类型

Redis具有丰富的功能，可以为每个键值设置存活时间（TTL），到期后会被自动删除，可以限制数据占用的最大内存空间，占满后按规则删除不需要的键。

MongoDB

MongoDB是一个基于分布式文件存储的数据库，由C++编写，为WEB应用提供数据存储的解决方案。介于关系数据库和非关系型数据库之间的产品。
优势：高性能、易部署使用、存储数据方便。
缺点：不擅长进行事物查询
采用独特的MongoDB查询方式，基于内存存储，将热数据存在物理内存中，从而达到高速读写。MongoDB侧重于对数据进行操作的应用系统，而Hadoop则侧重于对数据进行分析统计的应用。数据被分组存储在数据集中，被称为一个集合。存储在集合中的文档，被存储为键-值对的形式。

HBase

典型的面向列的分布式数据库。
优势：海量数据处理，高可拓展，高性能，高可用，高效处理稀疏矩阵（NULL值不占用空间）
缺点：无索引，只支持Row key的随机访问，不支持SQL

依赖于HDFS的存储，Map Reduce 的计算，ZooKeeper的锁服务

Hive

Hive（数据仓库工具），建立在HDFS、MR上的数据仓库框架，用来进行数据提取、转化、加载，这是一种可以存储、查询和分析存储在Hadoop中的大规模数据的机制，hive数据仓库工具能将结构化的数据文件映射为一张数据库表，并提供SQL查询功能，能将SQL语句转变成MapReduce任务来执行。
优势：适合大数据集批处理作业，灵活可拓展。

Hive中数据存储在HDFS中，Hive中包含数据模型：表（Table），外部表（External Table），分区（Partition），桶（Bucket）。