数据领域主要分两个世界，一个OLTP（在线交易： 数据库），一个是OLAP（在线分析： 大数据）。OLTP基于ACID特性，OLAP中用到的技术是CAP理论和BASE理论。CAP是一致性（Consistency）、可用性（Availability）、分区容忍性（Partition tolerance）三者只能取其二，BASE是最终一致性。ACID是原子性（atomicity）、一致性（consistency）、隔离性（isolation）、持久性（durability）。这是两套世界的PK模式，当然也有HTAP，只不过目前来说做得都不好。
大数据主要分两种场景，一个是离线，一个是实时。离线主要面向经营分析类的需求（离线数仓），实时主要是实时计算，有微批和流两种实现方式。
下面是一幅实时处理价值指数级衰减的曲线：
1秒钟返回结果，1分钟返回结果，1小时返回结果，1天返回结果等等，它的价值是完全不一样的。如果是毫秒级或者微秒级直接响应的话，那就属于实时计算。应用场景很多，如风控场景、无人驾驶场景、工业场景等。
下面我们看一个Lambda架构，是一个流批独立的Function。上面橙色部分是批处理操作，原始数据通过批处理然后给到不同的服务的界面，供查询使用；下面是流计算当中的实时场景，这里并不分两段，而是直接供给给下游消费。
举一个实时监控响应的应用：
系统端的数据会实时产生，通过Flume可以采集（也可以由Mysql或者Log直接给到Kafka），给到Kafka，就完成了数据的收集。通过Flink完成计算，存到CK或关系型数据库中，最后用阿里的QiuckBI或开源的Supperset展示。
来自 “ ITPUB博客 ” ，链接：https://blog.itpub.net/70015587/viewspace-2881185/ ，如需转载，请注明出处，否则将追究法律责任。
