本篇内容主要讲解“λ架构的特性是什么”,感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷,实用性强。下面就让小编来带大家学习“λ架构的特性是什么”吧!
λ架构是由风暴的作者Nathan Marz提出的一个实时大数据处理框架.Marz在Twitter工作期间开发了著名的实时大数据处理框架风暴,λ架构是其根据多年进行分布式大数据系统的经验总结提炼而成.Lambda架构的目标是设计出一个能满足实时大数据系统关键特性的架构,包括有:高容错,低延时和可扩展等.Lambda架构整合离线计算和实时计算,融合不可变性(Immunability),读写分离和复杂性隔离等一系列架构原则,可集成Hadoop,卡夫卡,风暴,火花,Hbase等各类大数据组件。
λ架构关键特性
Marz认为大数据系统应具有以下的关键特性:
健壮和容错(容错性和鲁棒性):对大规模分布式系统来说,机器是不可靠的,可能会当机,但是系统需要是健壮,行为正确的,即使是遇到机器错误。除了机器错误,人更可能会犯错误。在软件开发中难免会有一些错误,系统必须对有缺陷的程序写入的错误数据有足够的适应能力,所以比机器容错性更加重要的容错性是人为操作容错性。对于大规模的分布式系统来说,人和机器的错误每天都可能会发生,如何应对人和机器的错误,让系统能够从错误中快速恢复尤其重要。
<李>低延迟读取和更新(低延时):很多应用对于读和写操作的延时要求非常高,要求对更新和查询的响应是低延时的。
<李>可伸缩(横向扩容):当数据量/负载增大时,可扩展性的系统通过增加更多的机器资源来维持性能。也就是常说的系统需要线性可扩展,通常采用扩展(通过增加机器的个数)而不是扩大(通过增强机器的性能)。
<李>一般(通用性):系统需要能够适应广泛的应用,包括金融领域,社交网络,电子商务数据分析等。
<李>可扩展(可扩展):需要增加新功能,新特性时,可扩展的系统能以最小的开发代价来增加新功能。
<李>允许临时查询(方便查询):数据中蕴含有价值,需要能够方便、快速的查询出所需要的数据。
<李>最小维护(易于维护):系统要想做到易于维护,其关键是控制其复杂性,越是复杂的系统越容易出错,越难维护。
<李>Debuggable(易调试):当出问题时,系统需要有足够的信息来调试错误,找到问题的根源。其关键是能够追根溯源到每个数据生成点。
结束~
到此,相信大家对“λ架构的特性是什么”有了更深的了解,不妨来实际操作一番吧!这里是网站,更多相关内容可以进入相关频道进行查询,关注我们,继续学习!
