Lambda 架構:
Lambda 架構總共由三層系統(tǒng)組成的：批處理層（Batch Layer）京闰，速度處理層（Speed Layer）经伙，以及用于響應查詢的服務層（Serving Layer）匾嘱。
批處理層:
使用可處理大量數(shù)據(jù)的分布式處理系統(tǒng)預先計算結果钳降。它通過處理所有的已有歷史數(shù)據(jù)來實現(xiàn)數(shù)據(jù)的準確性陷虎。這意味著它是基于完整的數(shù)據(jù)集來重新計算的菩掏，能夠修復任何錯誤魂角，然后更新現(xiàn)有的數(shù)據(jù)視圖。輸出通常存儲在只讀數(shù)據(jù)庫中智绸，更新則完全取代現(xiàn)有的預先計算好的視圖野揪。
速度層:
通過提供最新數(shù)據(jù)的實時視圖來最小化延遲。速度層所生成的數(shù)據(jù)視圖可能不如批處理層最終生成的視圖那樣準確或完整瞧栗，但它們幾乎在收到數(shù)據(jù)后立即可用斯稳。而當同樣的數(shù)據(jù)在批處理層處理完成后，在速度層的數(shù)據(jù)就可以被替代掉了迹恐。
總結：
批處理層保證數(shù)據(jù)的完整性和準確性挣惰，速度層保證數(shù)據(jù)的時效性，但是缺點是需要維護兩套邏輯代碼殴边，維護較復雜憎茂，有沒有可能在批處理中實現(xiàn)實時計算，或者在實時處理中實現(xiàn)批處理計算呢锤岸？于是就有了下面的kappa架構竖幔。
Kappa架構：
與 Lambda 架構不同的是，Kappa 架構去掉了批處理層這一體系結構能耻，而只保留了速度層赏枚。你只需要在業(yè)務邏輯改變又或者是代碼更改的時候進行數(shù)據(jù)的重新處理亡驰。
借用kafka的架構來說明kappa架構：
kafka可以通過設置來決定數(shù)據(jù)的保留時長，七天饿幅、一個月凡辱、或者永久保留，且kafka是通過offset來決定從哪里讀取數(shù)據(jù)栗恩，因此當我們的業(yè)務邏輯改變時透乾，需要從新讀取所有歷史數(shù)據(jù)時，只需要把offset設置為0即可磕秤。
總結：
1乳乌、如果你所面對的業(yè)務邏輯是設計一種穩(wěn)健的機器學習模型來預測即將發(fā)生的事情，那么你應該優(yōu)先考慮使用 Lambda 架構市咆，因為它擁有批處理層和速度層來確保更少的錯誤汉操。
2、如果你所面對的業(yè)務邏輯是希望實時性比較高蒙兰，而且客戶端又是根據(jù)運行時發(fā)生的實時事件來做出回應的磷瘤，那么你就應該優(yōu)先考慮使用 Kappa 架構。
