大數據的出現改變了很多行業的發展模式，使得這些行業都朝著更好的方向進發。今天我們來給大家講講大數據中非常重要的一個部分，就是大數據的架構。一般來說，大數據不同的架構賦予大數據不同的功能，那麽常見的大數據架構都有哪些呢？下面我們就給大家介紹一下這些內容。

常見的大數據架構有五種，它們分別是傳統的大數據架構、流式架構、Kappa架構、Lambda架構、Unifield架構。這五種架構在大數據中廣泛應用。

首先我們給大家介紹一下傳統大數據的架構，這種架構之所以稱之為傳統大數據架構，是因為其目標定位是為了解決傳統商業智能所存在的問題，簡單來說，基本的數據分析業務沒有發生任何本質上的變化，但是因為數據量越來越大、性能越來越低等問題導致商業智能系統無法正常使用，因此需要進行升級改造，那麽傳統的大數據架構便是為了解決這些問題，比如大數據量存儲、提高應用系統等問題。可以看到，其依然保留了抽取、轉換、加載的動作，將數據經過抽取轉換加在數據采集操作進入數據存儲。這種架構在很多場景中都有作用。

那麽傳統大數據的架構的優點是什麽呢？傳統大數據的優點就是簡單易懂，對於商業智能系統來說，基本思想沒有發生變化，變化的僅僅是技術選型，用大數據架構替換掉商業智能的組件。而傳統大數據架構也有不完美的一面，那就是沒有BI下如此完備的Cube架構，雖然目前有kylin，但是kylin的局限性非常明顯，遠遠沒有BI下的Cube的靈活度和穩定度，因此對業務支撐的靈活度不夠，所以對於存在大量報表，或者復雜的鉆取的場景，需要太多的手工定制化，同時該架構依舊以批處理為主，缺乏實時的支撐。正是因為這些，傳統大數據的應用場景主要是以BI場景為主，但是因為數據量、性能等問題無法滿足日常使用。

我們在這篇文章中給大家介紹了傳統大數據的架構內容，通過介紹傳統大數據的架構內容以及優缺點、使用場景，幫助大家更好地了解傳統大數據架構的實際情況。由於篇幅原因我們就給大家介紹到這裏了，我們在下一篇文章中繼續給大家介紹一下流式架構以及Kappa架構，最後歡迎大家關註我們。

常見的大數據架構都有哪些（一）