详解什么是数据流

21CTO 导读：数据流是大数据世界中极为重要的过程。在本篇中，我与各位看官一起了解它如何帮助我们进行实时分析与数据提取。

数据流之定义

何谓数据流，它就如同一条河：河流从哪里发源？河要流在哪里？
 
人们对河流的理解本质上也就是流的概念，但是这条河没有开始也没有结束，数据流非常适合于离散的、没有开头或结尾的数据。例如，交通信号灯的数据是连续的，没有“开始”或“结束”，是连续的过程而不是分批发送的数据记录。通常情况下，数据流对于在生成连续数据流中以小尺寸（通常以KB字节为单位）发送数据的数据源类型是有用的。这包括各种各样的数据源，例如来自连接设备的遥测，客户访问的Web应用时生成的日志文件、电子商务交易或来自社交网络或地理LBS服务的信息等。
 
传统上，数据是分批移动的，批处理通常同时处理大量数据，具有较长时间的延迟。例如，该复制过程每24小时运行一次。虽然这可以是处理大量数据的有效方法，但它不适用于流式传输的数据，因为数据在处理时已经是旧的内容。
 
采用数据流是时间序列和随时间检测模式的最佳选择。例如，跟踪Web会话的时间。大多数物联网产生的数据非常适合数据流处理，包括交通传感器，健康传感器，交易日志和活动日志等都是数据流的理想选择。
 
流数据通常用于实时聚合和关联、过滤或采样。通过数据流，我们可以实时分析数据，并深入了解各种行为，例如统计，服务器活动，设备地理位置或网站点击量等。
 
数据流整合技术的解决方案
 
1 金融机构跟踪市场变化，并可根据配置约束（例如达到特定股票价格时出售）调整客户组合的配置。
 
2 电网监控吞吐量并在达到某些阈值时生成警报。
 
3 新闻资讯APP从各种平台进行流式传输时，产生的点击记录，实时统计信息数据，以便它可以提供与受众人口相关的文章推荐。
 
4 电子商务站点以数据流传输点击记录，可以检查数据流中的异常行为，并在点击流显示异常行为时发出安全警报。
 
数据流带给我们的挑战
 
数据流是一种功能强大的工具，但在使用流数据源时，有一些常见的挑战。以下的列表显示了要规划数据流的一些事项：
 
1 可扩展性规划
2 数据持久性规划
3 如何在存储层和处理层中加入容错机制
 
数据流的管理工具
 
随着数据流的不断增长，出现了许多合适的大数据流解决方案。我们总结了一个列表，这些都是用于处理流数据的常用工具：
 
1 亚马逊Kinesis Firehose
Amazon Kinesis是一种托管，可扩展，基于云的服务，可以实时处理大型数据流。
2 Apache Kafka
Apache Kafka是一个分布式发布/订阅消息传递系统，它集成了应用程序和数据流处理。
3 Apache Flink
Apache Flink是一种数据流引擎，为数据流上的分布式计算提供了诸多便利。
4 Apache Storm
Apache Storm是一个分布式实时计算系统。Storm用于分布式机器学习、实时分析处理，尤其是其具有超高数据处理的能力。
 
小结
 
大规划管理数据并不难。当我们掌握了数据流的本质，使用上述提供的强大工具，辅以我们编程能力，开发更易于处理流数据的集成管理的集群。

作者：洛逸
来源：21CTO 社区