知识卡片
流计算围绕持续输入和窗口
批处理启动时已有确定输入;流处理持续接收新事件,常按最近一段窗口聚合或去重。若把流缓存成批,小批量会放大作业启动开销,大批量又增加等待时间。选择应由允许延迟、吞吐和窗口状态共同决定,而不是把“能不断运行”当作结果及时且正确的保证。
可联系[[洗牌把相同键送往同组]]理解条件与边界。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- · 查看原书依据
如果MapReduce每次处理的数据量较小,缓存数据流的时间较短,但是,MapReduce框架造成的额外开销将会占很大比重;如果MapReduce每次处理的数据量较大,缓存数据流的时间会很长,无法满足实时性的要求。
参考来源
- 位置:《大规模分布式存储系统:原理解析与架构实战》第13章《大数据》(来源项目book-sources;extracted/大规模分布式存储系统:原理解析与架构实战/_epub-src/OEBPS/Text/Section0001_split_003.xhtml;src-076)。
- 结论依据:原文的对应定义、执行流程或比较支撑“批处理启动时已有确定输入;流处理持续接收新事件,常按最近一段窗口聚合或去重。”;额外边界是基于该机制的解释,不将历史实现推广为当前产品保证。
- 原始内容:如果MapReduce每次处理的数据量较小,缓存数据流的时间较短,但是,MapReduce框架造成的额外开销将会占很大比重;如果MapReduce每次处理的数据量较大,缓存数据流的时间会很长,无法满足实时性的要求。