大数据架构演变

一、传统离线大数据架构

一般在刚引入大数据架构是开始使用，比较适合做批量处理，T+1数据处理等

优点是做批量计算性能比较高，特别适合做批量数据的聚合分析计算。

缺点：这种架构不好支持实时业务数据的开发。一般这种离线数仓分层计算之间都是通过Mapreduce/SparkSQL做批量处理来实现聚合分析，除了数据落库的磁盘IO等比较慢以外，还有一点就是批处理是需要数据来了以后等待一会，聚集一批数据在处理，这样数据从头到尾下来就需要等待和处理较长的时间。而对于一些对实时性要求高的数据来说，这种滞后性是无法容忍的。

二、Lambda架构（离线处理+实时链路）-传统实时开发

从原有离线处理架构的基础上加上了实时处理链路部分，实现了实时业务数据的处理。

对于批处理任务，还是使用原有的传统离线架构不变，支持高性能的离线批处理。

对于实时性要求比较高的场景和需求，单独采用实时链路进行开发，数据流过来了能直接处理，而不需要积累一定的时间或量级再进行处理，尽可能的提高数据从流入到结果产出的时间效率。
缺点：实时链路的业务数据处理是烟囱式的开发，不能对实时链路处理的中间结果做复用处理，每一个实时业务需求都需要从头开始做处理。