昨天講到 pure stream computing 不能提供 exactly-once semantics，不過有許多應用都需要 exactly-once semantics。

為了解決這問題，開始有些框架不走 pure stream，而是走 micro batch。

Micro batch 也是集結一段時間的資料再批次處理，只是集結的時間很短，通常是幾秒就集結一次，所以稱為Micro batch。

Micro batch 的好處是可以實現 exactly-once semantics。而 exactly-once semantics 主要牽涉到 state 的更新，我明天會提到這個問題。但micro batch 的壞處在於latency變高了，但如果應用對於latency沒那麼要求 (可容忍秒級的延遲)，用Micro batch其實很OK。

Storm有一個延伸框架 Trident，在Storm上多架一層Coordination layer來實現Micro batch。但有點討厭的是，有些 Storm 有的功能 (如: window count)，在 Trident 裡還不支援；而且 Trident 和 Storm 的 運算結果是不相通的 (不能混用)。

而 Spark Streaming 本身就是 Micro Batch，因為這是把 Spark 的批次維度縮小後的實作。