大数据架构技术

下图是近来学习和用到的大数据方面的技术，现在做一个总结。并且在总结的过程中，也进行更加进一步的学习和了解。

以上为个人所接触到的大数据相关的一些技术，后续的章节将围绕这些技术展开，具体的介绍方式是从应用和原理两个方面进行。

1、大数据实时流架构

（1） 消息队列

消息队列是在不同的应用间做数据传递的，现在常用的主要包括Kafka，redis 队列，RabbitMQ，ZeroMQ，ActiveMQ 等。

（2）流式处理框架

流式处理框架主要是提供了一实时处理消息的计算框架，具体的实现是由业务方自己来写代码完成的。常见的有Storm、Spark Streaming、以及Flink。

（3） 存储

对于数据的存储，常规的关系型数据库（比如mysql、Oracle）也可以实现，但是对于大数据的存储，现在比较流行的比如是NoSql数据库，比如 Redis、MongoDB、HBase 这三种是最常用的。尤其对于Redis，很多大型公司都谁针对自己的业务场景对其进行封装，提供监控、报警和自动扩容等功能。

2、大数据离线流架构

（1）数据存储

目前大数据技术最常用的存储方式为：HDFS、Hive（基于HDFS）

（2）数据分析和处理工具

目前的数据分析处理工具主要是两个方向，MapReduce和Spark 。

MapReduce：常用的工具有原生Hadoop MapReduce，Hive SQL和Pig。其中Hadoop MapReduce是最基础的，HIve Sql和 pig都是对其进行的上层封装，就好像汇编语言是比较基础的编程语言，而C和Java是对其进行的上层封装，最终还要转成汇编一样的道理；

Spark 是目前最火的数据处理工具，没有之一。其与Hadoop相比，更大程度上利用了内存。