資料分析的架構是有很多的，比如傳統的大資料架構、流式架構、lambda架構、Kappa架構、Unifield架構。但是大家對於這些架構都不是很熟悉的，並且各個資料分析的架構都是有很多優點和缺點的，下面就由小編為大家解答一下這個問題。

首先說說傳統大資料架構。我們叫傳統大資料架構，是因為其定位是為了解決傳統BI的問題。簡單來說，資料分析的業務沒有發生任何變化，但是因為資料量、效能等問題導致系統無法正常使用，需要進行升級改造，那麼此類架構便是為了解決這個問題。可以看到，其依然保留了ETL的動作，將資料經過ETL動作進入資料儲存。傳統的大資料架構的優點是簡單、易懂，對於BI系統來說，基本思想沒有發生變化，變化的僅僅是技術選型，用大資料架構替換掉BI的元件。缺點就是對於大資料來說，沒有完整的架構，因此對業務支撐的靈活度不夠，所以對於存在大量報表或複雜鑽取的場景，需要太多的手工定製化，同時該架構依舊以批處理為主，缺乏實時的支撐。這種架構適用於資料分析需求依舊以BI場景為主，但是因為資料量、效能等問題無法滿足日常使用。

然後說說流式架構。在傳統大資料架構的基礎上，流式架構非常激進，直接拔掉了批處理，資料全程以流的形式處理，所以在資料接入端沒有了ETL，轉而替換為資料通道。經過流處理加工後的資料，以訊息的形式直接推送給了消費者。雖然有一個儲存部分，但是該儲存更多以視窗的形式進行儲存，所以該儲存並非發生在資料湖，而是在外圍系統。這種架構的優點就是沒有臃腫的ETL過程，資料的實效性非常高。缺點就是對於流式架構來說，不存在批處理，因此對於資料的重播和歷史統計無法很好的支撐。對於離線分析僅僅支撐視窗之內的分析。

最後給大家說說Lambda架構。Lambda架構算是大資料系統裡面舉足輕重的架構，大多數架構基本都是Lambda架構或者基於其變種的架構。Lambda的資料通道分為兩條分支：實時流和離線。實時流依照流式架構，保障了其實時性。而離線則以批處理方式為主，保障了最終一致性。這個架構的優點就是既有實時又有離線，對於資料分析場景涵蓋的非常到位。缺點就是離線層和實時流雖然面臨的場景不相同，但是其內部處理的邏輯卻是相同，因此有大量冗餘和重複的模組存在。

通過這篇文章我們不難發現數據分析行業的知識是比較高深的，由於篇幅原因小編就給大家介紹到這裡了，我們會在後面的文章中給大家介紹剩下的Kappa架構、Unifield架構，希望這篇文章能夠給大家帶來幫助。