大数据要实现处理,需要专业的技术手段去实现,以Hadoop、Spark为首的一些计算框架,也已经在大数据处理当中,稳稳地占据一席之地。当然,在大数据当中,可用的计算处理框架不止于此。今天加米谷学院就来为大家介绍一些大数据常用处理框架。
发展到今天,大数据处理主要分为两类大的需求,一是批处理,一是流处理。在企业的实际业务场景当中,可能会只需要批处理或者流处理,也可能同时需要批处理和流处理,这就使得搭建大数据系统平台的时候,需要根据具体场景来进行技术选型。
大数据处理框架,通常可以分为三类——
①批处理框架:Apache Hadoop
②流处理框架:Apache Storm、Apache Samza
③批处理+流处理框架:Apache Spark、Apache Flink
这里我们不对各个框架做更具体的讲解,而是先来理解这些不同处理模式背后的思想。
1、批处理
批处理是大数据处理当中的普遍需求,批处理主要操作大容量静态数据集,并在计算过程完成后返回结果。鉴于这样的处理模式,批处理有个明显的缺陷,就是面对大规模的数据,在计算处理的效率上,不尽如人意。
目前来说,批处理在应对大量持久数据方面的表现极为出色,因此经常被用于对历史数据进行分析。
2、流处理
批处理之后出现的另一种普遍需求,就是流处理,针对实时进入系统的数据进行计算操作,处理结果立刻可用,并会随着新数据的抵达继续