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，用于在大數據架構中，如何讓real-time與batch job更好地結合起來，以達成對大數據的實時處理。

大數據平臺中包括批量計算的Batch Layer和實時計算的Speed Layer，通過在一套平臺中將批計算和流計算整合在一起。

例如使用Hadoop MapReduce、Spark進行批量數據的處理，使用Apache Storm、Spark Streaming 進行實時數據的處理。

這種架構在一定程度上解決了不同計算類型的問題，但是帶來的問題是框架太多，會導致平臺復雜度過高、運維成功高等。

Lambda架構的主要思想就是將大數據系統構建為多個層次，如下圖所示：

我們來梳理一下他們是如何分工協助的：

首先new data作為整個數據系統的數據源頭，Batch Layer作為數據的批處理層次對原始數據進行加工與處理，并且將處理的數據結果的Batch View輸入到Serving Layer。(這里對應的是全量數據)

Speed Layer對于實時增加的數據進行處理，生成對增量數據計算結果的Real-time View。（這里對應的是增量數據）

最終用戶查詢是通過Batch View與Real-time View相結合的形式將最終結果呈現出來。

基于Lambda架構，一旦數據通過Batch layer進入到Serving layer，在Real-time view中的相應結果就不再需要了。

小 結

Lambda架構結合了實時處理與批處理的結果，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，具有足夠的擴展性。理想狀態下，所有的查詢都可以定位成一個函數：

Query = Function（Data）

但是，若數據達到相當大的一個級別（例如PB），且還需要支持實時查詢時，就需要耗費非常龐大的資源。

而Lambda架構將數據和計算系統進行細分：

Query = Batch（Old_Data） + RealTime（New_Data）

但是這種架構同樣存在一些問題：需要運維兩套不同的計算系統，并且合并查詢結果，這一定程序上帶來了復雜性的增加。