大數據平台：分散式計算

2021 iThome 鐵人賽

DAY 27

DevOps

13th鐵人賽

921 瀏覽

Spark
支援批次資料、查詢分析、資料流、機器學習及圖處理(Graph Processing)，以「彈性分散式資料集(Resilient Distributed Datasets, RDD)支援「資料切片」及「資料回朔」等特點，實現了「記憶體內計算(In-memory computing)」及「流程優化(Processes Optimization)」等功能。
Flink
分散式資料流計算架構，在即時的資料查詢、反詐欺、資料分析、線上模型訓練和業務流程監控等場景，提供毫秒等級的運算滿足業務需求。
Beam
一個分散式計算的通用架構，定義了了資料批次處理和資料流處理的「程式編程接口(Application Programming Interface, API)」統一標準，可以對接 Spark 及 Flink。
- PCollection
  代表資料及與資料流的資料集，只能唯讀循序讀取，每筆資料都會附加時間戳記(Timestamp)。
- PTransform
  採用函式語言程式設計(Functional Programming)提高系統的可測試性與平行處理效能。
- Pipeline
  由 PCollection 以及 PTransform 資料處裡的運算流程圖。