本文目录一览：
- 1、2019数据架构选型必读:1月数据库产品技术解析
- 2、流式计算和实时计算有什么区别
- 3、针对流数据的实时计算采用什么大数据计算模式?
2、世纪60年代中期，数据库技术是用来解决文件处理系统问题的 。当时的数据库处理技术还很脆弱 ， 常常发生应用不能提交的情况 。
3、其中，非关系型数据库主要指的是NoSQL数据库，分为：键值数据库、列存数据库、图存数据库以及文档数据库等类型 。关系型数据库包含了传统关系数据库系统以及NewSQL数据库 。开发大数据安全技术 。
4、数据库系统阶段：（1）、数据结构化 。在描述数据时不仅要描述数据本身 ， 还要描述数据之间的联系 。数据结构化是数据库的主要特征之一，也是数据库系统与文件系统的本质区别 。（2）、数据共享性高、冗余少且易扩充 。
流式计算和实时计算有什么区别1、流式计算 ， 比实时计算要稍微迟钝些，但比离线计算又实时的多，而且主要强调的是计算方法 。比如，服务器端 ， 有一个值，是记录小明订单数量 。
2、处理、实时计算属于一类的，即计算在数据变化时，都是在数据的计算实时性要求比较高的场景 ， 能够实时的响应结果，一般在秒级，Yahoo的S4，twiter的storm都属于流处理和实时计算一类的 。
3、流处理模式（Stream Processing）：针对数据源的实时性要求更高，实时计算每个事件（Event）或者一组事件的处理结果，能够进行非常低延迟的计算和响应，用途包括实时监控、实时推荐等 。
4、数据时效性不同：流式计算实时、低延迟，批量计算非实时、高延迟 。数据特征不同：流式计算的数据一般是动态的、没有边界的，而批处理的数据一般则是静态数据 。
5、流：处理在线，实时产生的数据 。单次处理的数据量小，但处理速度更快 。Spark是UC Berkeley AMP lab所开源的类Hadoop MapReduce的通用并行框架 。
6、离线计算：HDFS 历史数据等 ， 一般数据规模比较大 实时计算：一般来自于消息队列（kafka等） ， 实时地新增、修改记录过来的某一笔数据 。
针对流数据的实时计算采用什么大数据计算模式?【redis 流式计算 redis流计算】大数据存储阶段：hbase、hive、sqoop 。大数据架构设计阶段：Flume分布式、Zookeeper、Kafka 。大数据实时计算阶段：Mahout、Spark、storm 。大数据数据采集阶段：Python、Scala 。
批处理模式（Batch Processing）：将大量数据分成若干小批次进行处理 ， 通常是非实时的、离线的方式进行计算，用途包括离线数据分析、离线数据挖掘等 。
大数据流式计算是一种针对实时数据流的计算方式 ， 其目的是对数据流进行实时的处理和分析 ， 以获取有用的信息和洞见 。这种处理方式可以帮助企业快速响应客户需求和市场变化，优化业务流程和资源利用 。
大数据中可以用来实现流计算的技术是Storm、Flink、Spark Streaming 。
大数据的计算模式主要分为批量计算（batch computing）、流式计算（stream computing）、交互计算（interactive computing）、图计算（graph computing）等 。
大数据计算框架有：批处理计算框架、流式计算框架、图计算框架、分布式数据库计算框架、深度学习计算框架 。批处理计算框架 适用于对大规模的离线数据进行处理和分析 。
