互聯(lián)網(wǎng)領(lǐng)域的實(shí)時(shí)計(jì)算一般都是針對(duì)海量數(shù)據(jù)進(jìn)行的，除了像非實(shí)時(shí)計(jì)算的需求（如計(jì)算結(jié)果準(zhǔn)確）以外，實(shí)時(shí)計(jì)算最重要的一個(gè)需求是能夠?qū)崟r(shí)響應(yīng)計(jì)算結(jié)果，一般要求為秒級(jí)。個(gè)人理解，互聯(lián)網(wǎng)行業(yè)的實(shí)時(shí)計(jì)算可以分為以下兩種應(yīng)用場(chǎng)景：

　　1） 數(shù)據(jù)源是實(shí)時(shí)的不間斷的，要求對(duì)用戶的響應(yīng)時(shí)間也是實(shí)時(shí)的。

　　主要用于互聯(lián)網(wǎng)流式數(shù)據(jù)處理。所謂流式數(shù)據(jù)是指將數(shù)據(jù)看作是數(shù)據(jù)流的形式來處理。數(shù)據(jù)流則是在時(shí)間分布和數(shù)量上無限的一系列數(shù)據(jù)記錄的集合體；數(shù)據(jù)記錄是數(shù)據(jù)流的最小組成單元。舉個(gè)例子，對(duì)于大型網(wǎng)站，活躍的流式數(shù)據(jù)非常常見，這些數(shù)據(jù)包括網(wǎng)站的訪問PV/UV、用戶訪問了什么內(nèi)容，搜索了什么內(nèi)容等。實(shí)時(shí)的數(shù)據(jù)計(jì)算和分析可以動(dòng)態(tài)實(shí)時(shí)地刷新用戶訪問數(shù)據(jù)，展示網(wǎng)站實(shí)時(shí)流量的變化情況，分析每天各小時(shí)的流量和用戶分布情況，這對(duì)于大型網(wǎng)站來說具有重要的實(shí)際意義。

　　2） 數(shù)據(jù)量大且無法或沒必要預(yù)算，但要求對(duì)用戶的響應(yīng)時(shí)間是實(shí)時(shí)的。

　　主要用于特定場(chǎng)合下的數(shù)據(jù)分析處理。當(dāng)數(shù)據(jù)量很大，同時(shí)發(fā)現(xiàn)無法窮舉所有可能條件的查詢組合或者大量窮舉出來的條件組合無用的時(shí)候，實(shí)時(shí)計(jì)算就可以發(fā)揮作用，將計(jì)算過程推遲到查詢階段進(jìn)行，但需要為用戶提供實(shí)時(shí)響應(yīng)[參考鏈接]。

　　2. 實(shí)時(shí)計(jì)算相關(guān)技術(shù)

　　互聯(lián)網(wǎng)上海量數(shù)據(jù)（一般為日志流）的實(shí)時(shí)計(jì)算過程可以被劃分為以下三個(gè)階段：數(shù)據(jù)的產(chǎn)生與收集階段、傳輸與分析處理階段、存儲(chǔ)對(duì)對(duì)外提供服務(wù)階段。下面分別進(jìn)行簡(jiǎn)單的介紹：

2.1 數(shù)據(jù)實(shí)時(shí)采集

　　需求：功能上保證可以完整的收集到所有日志數(shù)據(jù)，為實(shí)時(shí)應(yīng)用提供實(shí)時(shí)數(shù)據(jù)；響應(yīng)時(shí)間上要保證實(shí)時(shí)性、低延遲在1秒左右；配置簡(jiǎn)單，部署容易；系統(tǒng)穩(wěn)定可靠等。

　　目前，互聯(lián)網(wǎng)企業(yè)的海量數(shù)據(jù)采集工具，有Facebook開源的Scribe、LinkedIn開源的Kafka、Cloudera開源的Flume，淘寶開源的TimeTunnel、Hadoop的Chukwa等，均可以滿足每秒數(shù)百M(fèi)B的日志數(shù)據(jù)采集和傳輸需求。

　　2.2 數(shù)據(jù)實(shí)時(shí)計(jì)算

　　傳統(tǒng)的數(shù)據(jù)操作，首先將數(shù)據(jù)采集并存儲(chǔ)在DBMS中，然后通過query和DBMS進(jìn)行交互，得到用戶想要的答案。整個(gè)過程中，用戶是主動(dòng)的，而DBMS系統(tǒng)是被動(dòng)的。

　　但是，對(duì)于現(xiàn)在大量存在的實(shí)時(shí)數(shù)據(jù)，比如股票交易的數(shù)據(jù)，這類數(shù)據(jù)實(shí)時(shí)性強(qiáng)，數(shù)據(jù)量大，沒有止境，傳統(tǒng)的架構(gòu)并不合適。流計(jì)算就是專門針對(duì)這種數(shù)據(jù)類型準(zhǔn)備的。在流數(shù)據(jù)不斷變化的運(yùn)動(dòng)過程中實(shí)時(shí)地進(jìn)行分析，捕捉到可能對(duì)用戶有用的信息，并把結(jié)果發(fā)送出去。整個(gè)過程中，數(shù)據(jù)分析處理系統(tǒng)是主動(dòng)的，而用戶卻是處于被動(dòng)接收的狀態(tài)。

　　需求：適應(yīng)流式數(shù)據(jù)、不間斷查詢；系統(tǒng)穩(wěn)定可靠、可擴(kuò)展性好、可維護(hù)性好等。

　　實(shí)時(shí)流計(jì)算框架：Yahoo開源的S4、Twitter開源的Storm，還有Esper，Streambase，HStreaming等。

　　有關(guān)計(jì)算的一些注意點(diǎn)：分布式計(jì)算，并行計(jì)算（節(jié)點(diǎn)間的并行、節(jié)點(diǎn)內(nèi)的并行），熱點(diǎn)數(shù)據(jù)的緩存策略，服務(wù)端計(jì)算。

　　2.3 實(shí)時(shí)查詢服務(wù)

　　全內(nèi)存：直接提供數(shù)據(jù)讀取服務(wù)，定期dump到磁盤或數(shù)據(jù)庫進(jìn)行持久化。

　　半內(nèi)存：使用Redis、Memcache、MongoDB、BerkeleyDB等內(nèi)存數(shù)據(jù)庫提供數(shù)據(jù)實(shí)時(shí)查詢服務(wù)，由這些系統(tǒng)進(jìn)行持久化操作。

　　全磁盤：使用HBase等以分布式文件系統(tǒng)（HDFS）為基礎(chǔ)的NoSQL數(shù)據(jù)庫，對(duì)于key-value引擎，關(guān)鍵是設(shè)計(jì)好key的分布。

　　3. 應(yīng)用舉例

　　對(duì)于電子商務(wù)網(wǎng)站上的店鋪：

　　1）實(shí)時(shí)展示一個(gè)店鋪的到訪顧客流水信息，包括訪問時(shí)間、訪客姓名、訪客地理位置、訪客IP、訪客正在訪問的頁面等信息；

　　2）顯示某個(gè)到訪顧客的所有歷史來訪記錄，同時(shí)實(shí)時(shí)跟蹤顯示某個(gè)訪客在一個(gè)店鋪正在訪問的頁面等信息；

　　3）支持根據(jù)訪客地理位置、訪問頁面、訪問時(shí)間等多種維度下的實(shí)時(shí)查詢與分析。

　　更詳細(xì)的內(nèi)容，以后再進(jìn)一步展開介紹。

　　4. 總結(jié)的話

　　1）并不是任何應(yīng)用都做到實(shí)時(shí)計(jì)算才是最好的。

　　2）使用哪些技術(shù)和框架來搭建實(shí)時(shí)計(jì)算系統(tǒng)，需要根據(jù)實(shí)際業(yè)務(wù)需求進(jìn)行選擇。

　　3）對(duì)于分布式系統(tǒng)來說，系統(tǒng)的可配置性、可維護(hù)性、可擴(kuò)展性十分重要，系統(tǒng)調(diào)優(yōu)永無止境。

原文鏈接：http://www.cnblogs.com/panfeng412/archive/2011/10/28/2227195.html

【編輯推薦】

1. 系統(tǒng)架構(gòu)師談企業(yè)應(yīng)用架構(gòu)之開卷有益
2. 系統(tǒng)架構(gòu)師談企業(yè)應(yīng)用架構(gòu)之系統(tǒng)建模1
3. 系統(tǒng)架構(gòu)師談企業(yè)應(yīng)用架構(gòu)之系統(tǒng)建模2
4. 系統(tǒng)架構(gòu)師談企業(yè)應(yīng)用架構(gòu)之系統(tǒng)建模3
5. 系統(tǒng)架構(gòu)師談企業(yè)應(yīng)用架構(gòu)之系統(tǒng)建模4
6. 系統(tǒng)架構(gòu)師談企業(yè)應(yīng)用架構(gòu)之系統(tǒng)設(shè)計(jì)規(guī)范與原則1
7. 系統(tǒng)架構(gòu)師談企業(yè)應(yīng)用架構(gòu)之系統(tǒng)設(shè)計(jì)規(guī)范與原則2
8. 系統(tǒng)架構(gòu)師談企業(yè)應(yīng)用架構(gòu)之業(yè)務(wù)邏輯層