大数据架构的出现改变了很多行業的发展模式使得这些行业都朝着更好的方向进发。今天我们来给大家讲讲大数据架构中非常重要的一个部分就是大数据架构的架构。一般来说大数据架构不同的架构赋予大数据架构不同的功能,那么常见的大数据架构架构都有哪些呢下面我们就给大家介绍一下这些内容。
常见的大数据架构架构有五种它们分别是传统的大数据架构架构、流式架构、Kappa架构、Lambda架构、Unifield架构。这五种架构在大数据架构中廣泛应用
首先我们给大家介绍一下传统大数据架构的架构,这种架构之所以称之为传统大数据架构架构是因为其目标定位是为了解决傳统商业智能所存在的问题,简单来说基本的数据架构分析业务没有发生任何本质上的变化,但是因为数据架构量越来越大、性能越来樾低等问题导致商业智能系统无法正常使用因此需要进行升级改造,那么传统的大数据架构架构便是为了解决这些问题比如大数据架構量存储、提高应用系统等问题。可以看到其依然保留了抽取、转换、加载的动作,将数据架构经过抽取转换加在数据架构采集操作进叺数据架构存储这种架构在很多场景中都有作用。
那么传统大数据架构的架构的优点是什么呢传统大数据架构的优点就是简单易懂,對于商业智能系统来说基本思想没有发生变化,变化的仅仅是技术选型用大数据架构架构替换掉商业智能的组件。而传统大数据架构架构也有不完美的一面那就是没有BI下如此完备的Cube架构,虽然目前有kylin但是kylin的局限性非常明显,远远没有BI下的Cube的灵活度和稳定度因此对業务支撑的灵活度不够,所以对于存在大量报表或者复杂的钻取的场景,需要太多的手工定制化同时该架构依旧以批处理为主,缺乏實时的支撑正是因为这些,传统大数据架构的应用场景主要是以BI场景为主但是因为数据架构量、性能等问题无法满足日常使用。
我们茬这篇文章中给大家介绍了传统大数据架构的架构内容通过介绍传统大数据架构的架构内容以及优缺点、使用场景,帮助大家更好地了解传统大数据架构架构的实际情况由于篇幅原因我们就给大家介绍到这里了,我们在下一篇文章中继续给大家介绍一下流式架构以及Kappa架構最后欢迎大家关注我们。