企业级大数据处理方案有三种业务场景：

1.离线处理；（mapreduce（第一代）、sparksql（第二代））

2.实时处理；（数据库操作、storm）

3.准实时处理。（spark Streaming）

mapreduce与spark对比

mr与spark优缺点对比：（一）

a.mapreduce频繁的数据读写,使数据处理速度滞后

b.spark所有计算在内存中消除了，磁盘读写此快其一

mr与spark优缺点对比：（二）

a.mapreduce每一个计算过程与上一个计算过程无血统继承

b.spark步步操作均有血统继承关系，ageline机制，可以追溯到数据来源或者checkpoint（lazy级别）容错性与框架的自动优化

mr与spark优缺点对比：（三）

程序运行的可视化，spark有DAG图

streaming和storm对比

streaming和storm优缺点对比：（一）

a.storm计算相当于电流，这边进那边就要出

b.streaming为了提高吞吐量，引进了批处理，牺牲了实时性，增加了吞吐量

streaming和storm优缺点对比：（二）

a.storm拓扑计算模式（有向无环图）

b.streamingDAG图，流式计算，中间数据交换可以调用丰富的计算框架，sql和ml和graphX

传统数据库实时操作与大数据技术对比：

a.虽然实时，但是数据量大时，无法解决，速度就降了下来

b.大数据技术，解决了大数据，牺牲了实时

      综上所述：任何技术都不是完美的，为了一方面就必然牺牲另一方面，人无完人。吞吐量与实时的取舍，内存与速度的取舍。--当实时处理的数据量的能力提高，离线处理还有存在的必要吗？如果数据处理不能实时性，必然影响数据的价值。大数据的核心价值：数据挖掘和数据分析最终为数据消费者的行为和决策力服务。

      继续反思：既然每种大数据处理技术都有缺陷，那怎样才能达到我们心中的完美效果呢？

      三国曹操选用人才的方略-物尽其才，只要你有才，是不会让你埋没的。

      所以大数据处理方案不是单纯的某种技术的天下，而是各分块的紧密结合，优势互补，进而达到理想的效果。所以，必须了解技术的优势和使用场景，才能在实际的业务场景中，挑选合适的技术。就现在而言：

1.Hadoop只能用作存储和资源管理

2.spark只能作为计算，（只计算）

3.storm只计算

4.kafka数据缓存层（平衡流式数据量的过大过小）

5.flume采集

7.Tachyon分布式内存文件系统（alluxio）

8.redis、mongoDB分布式内存数据库

9.实时搜索引擎solr和lucene

      基本上数据处理的主流技术都在这了，上文虽然都是一种，但是每类技术都有多种，用途都是一样，只是场景和处理逻辑不同。那如何构建企业级大数据处理，且看下回。