基于spark的流式数据处理—批处理和流处理区别

静态数据

很多企业为了支持决策分析而构建的数据仓库系统，其中存放的大量历史数据就是静态数据。技术人员可以利用数据挖掘和OLAP（On-Line Analytical Processing）分析工具从静态数据中找到对企业有价值的信息。

流数据

近年来，在Web应用、网络监控、传感监测等领域，兴起了一种新的数据密集型应用——流数据，即数据以大量、快速、时变的流形式持续到达。实例：PM2.5检测、电子商务网站用户点击流。

流数据具有如下特征：

• 数据快速持续到达，潜在大小也许是无穷无尽的；
• 数据来源众多，格式复杂；
• 数据量大，但是不十分关注存储，一旦经过处理，要么被丢弃，要么被归档存储；
• 注重数据的整体价值，不过分关注个别数据；
• 数据顺序颠倒，或者不完整，系统无法控制将要处理的新到达的数据元素的顺序；

批处理与流处理

对静态数据和流数据的处理，对应着两种截然不同的计算模式：批量计算和实时计算。

1、批量计算：充裕时间处理静态数据，如Hadoop；
2、流数据不适合采用批量计算，因为流数据不适合用传统的关系模型建模；
3、流数据必须采用实时计算，响应时间为秒级；
4、数据量少时，不是问题，但是，在大数据时代，数据格式复杂、来源众多、数据量巨大，对实时计算提出了很大的挑战。因此，针对流数据的实时计算——流计算，应运而生。