Lambda Architecture 概念

Mathan Marz的大作Big Data: Principles and best practices of scalable real-time data systems介紹了Lambda Architecture的概念，用于在大數(shù)據(jù)架構(gòu)中，如何讓real-time與batch job更好地結(jié)合起來(lái)，以達(dá)成對(duì)大數(shù)據(jù)的實(shí)時(shí)處理。 

大數(shù)據(jù)平臺(tái)中包括批量計(jì)算的Batch Layer和實(shí)時(shí)計(jì)算的Speed Layer，通過(guò)在一套平臺(tái)中將批計(jì)算和流計(jì)算整合在一起。

例如使用Hadoop MapReduce、Spark進(jìn)行批量數(shù)據(jù)的處理，使用Apache Storm、Spark Streaming 進(jìn)行實(shí)時(shí)數(shù)據(jù)的處理。

這種架構(gòu)在一定程度上解決了不同計(jì)算類型的問(wèn)題，但是帶來(lái)的問(wèn)題是框架太多，會(huì)導(dǎo)致平臺(tái)復(fù)雜度過(guò)高、運(yùn)維成功高等。

Lambda架構(gòu)的主要思想就是將大數(shù)據(jù)系統(tǒng)構(gòu)建為多個(gè)層次，如下圖所示： 

我們來(lái)梳理一下他們是如何分工協(xié)助的：

• 首先new data作為整個(gè)數(shù)據(jù)系統(tǒng)的數(shù)據(jù)源頭，Batch Layer作為數(shù)據(jù)的批處理層次對(duì)原始數(shù)據(jù)進(jìn)行加工與處理，并且將處理的數(shù)據(jù)結(jié)果的Batch View輸入到Serving Layer。(這里對(duì)應(yīng)的是全量數(shù)據(jù))
• Speed Layer對(duì)于實(shí)時(shí)增加的數(shù)據(jù)進(jìn)行處理，生成對(duì)增量數(shù)據(jù)計(jì)算結(jié)果的Real-time View。(這里對(duì)應(yīng)的是增量數(shù)據(jù))
• 最終用戶查詢是通過(guò)Batch View與Real-time View相結(jié)合的形式將最終結(jié)果呈現(xiàn)出來(lái)。

基于Lambda架構(gòu)，一旦數(shù)據(jù)通過(guò)Batch layer進(jìn)入到Serving layer，在Real-time view中的相應(yīng)結(jié)果就不再需要了。

小 結(jié)

Lambda架構(gòu)結(jié)合了實(shí)時(shí)處理與批處理的結(jié)果，很好的反饋了查詢需求，并且在速度和可靠性之間求取了平衡，具有足夠的擴(kuò)展性。理想狀態(tài)下，所有的查詢都可以定位成一個(gè)函數(shù)：

Query = Function(Data) 

但是，若數(shù)據(jù)達(dá)到相當(dāng)大的一個(gè)級(jí)別(例如PB)，且還需要支持實(shí)時(shí)查詢時(shí)，就需要耗費(fèi)非常龐大的資源。

而Lambda架構(gòu)將數(shù)據(jù)和計(jì)算系統(tǒng)進(jìn)行細(xì)分：

Query = Batch(Old_Data) + RealTime(New_Data) 

但是這種架構(gòu)同樣存在一些問(wèn)題：需要運(yùn)維兩套不同的計(jì)算系統(tǒng)，并且合并查詢結(jié)果，這一定程序上帶來(lái)了復(fù)雜性的增加。