— 数据的分类
根据实效性对数据分三大类:
-
离线:在今天(T)处理N天前(T-N, N >= 1)的数据延迟时间粒度为天;
-
准实时:在当前小时(H)处理N小时前(H - N, N > 0, 如 0.5 小时、1 小时等)的数据,延时时间粒度为小时;
-
实时:在当前时刻处理当前的数据,延迟时间粒度为妙;
【注意】:离线数据仓库的T + 1模型与这里的数据模型是有区别的,T + 1 模型代表的是 T 当天,T + 1第二天,在T + 1天来处理T那天的数据,这里就是T + 1 模型;
离线数据和实时数据都可以在批处理系统中实现(比如Hadoop、MaxCompute、Spark等系统),只是调度周期不一样而已,而实时数据则需要在流式处理系统中完成。
— 流式数据处理特征:
-
时效性能
数据实时采集、实时处理、延时粒度在秒级别甚至毫米级别,业务方能够在第一时间拿到加工处理后的数据;
-
常驻任务
区别于离线任务的周期调度,流式任务属于常驻任务,一旦启动后就会一直运行,直到人为的终止,因此计算成本会相对比较高。这一点也预示着流式任务数据是无界的,而离线任务的数据源是有界的,
这也是实时处理和离线处理最重要的差别。这