Wiki@桩白墨

本页面只读。您可以查看源文件，但不能更改它。如果您觉得这是系统错误，请联系管理员。
===== 实时计算场景 =====
  - 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。
  - 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
  - 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
  - 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：
  * 告警方式（邮件、短信、钉钉、微信）
  * 存储（消息队列、DB、文件系统等）。监控大屏从存储里面查询数据，就可以看到实时数据。

===== 批处理和流处理的区别 =====
批处理：
  * 数据大小固定
  * 复杂操作
  * 需要一段时间
流处理：
  * 数据大小未知
  * 简单操作
  * 及时响应

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

==== 实时计算的特点 ====
  - 数据实时到达
  - 数据到达次序独立
  - 数据规模大 & 无法预知容量
  - 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 =====
  - 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？）
  - 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？）
  - 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？）
  - 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？）