目录

实时计算场景

  1. 实时数据存储。实时数据存储的时候做一些微聚合、过滤某些字段、数据脱敏,组建数据仓库,实时 ETL。
  2. 实时数据分析。实时数据接入机器学习框架(TensorFlow)或者一些算法进行数据建模、分析,然后动态的给出商品推荐、广告推荐
  3. 实时监控告警。金融相关涉及交易、实时风控、车流量预警、服务器监控告警、应用日志告警
  4. 实时数据报表。活动营销时销售额/销售量大屏,TopN 商品

实时计算技术实现

涉及的技术环节有:实时采集、实时计算、实时下发。 实时下发的下游可能是:

批处理和流处理的区别

批处理:

流处理:

实时计算 VS 离线计算

实时计算需要不断的从 MQ 中读取采集的数据,然后处理计算后往 DB 里存储,在计算这层你无法感知到会有多少数据量过来、要做一些简单的操作(过滤、聚合等)、及时将数据下发。

传统的离线计算,从 DB(不限 MySQL,还有其他的存储介质)里面读取数据,该数据一般就是固定的(前一天、前一星期、前一个月),然后再做一些复杂的计算或者统计分析,最后生成可供直观查看的报表(dashboard)。

离线计算的特点

  1. 数据量大且时间周期长(一天、一星期、一个月、半年、一年)
  2. 在大量数据上进行复杂的批量运算
  3. 数据在计算之前已经固定,不再会发生变化
  4. 能够方便的查询批量计算的结果

实时计算的特点

  1. 数据实时到达
  2. 数据到达次序独立
  3. 数据规模大 & 无法预知容量
  4. 再次提取数据代价大

实时计算的优势

对于持续生成最新数据的场景,才用流数据处理是非常有利的。

实时计算面临的挑战

  1. 数据处理唯一性(如何保证数据只处理一次?至少一次?最多一次?)
  2. 数据处理的及时性(采集的实时数据量太大的话可能会导致短时间内处理不过来,如何保证数据能够及时的处理,不出现数据堆积?)
  3. 数据处理层和存储层的可扩展性(如何根据采集的实时数据量的大小提供动态扩缩容?)
  4. 数据处理层和存储层的容错性(如何保证数据处理层和存储层高可用,出现故障时数据处理层和存储层服务依旧可用?)