大数据越来越受到重视的今天，企业级数据平台搭建，也成为更加普遍的需求。而要搭建起符合自身需求以及提供稳定支持的数据平台系统，基础架构的选型是非常重要的。今天我们就来聊聊大数据基础架构选型。
在企业数据团队当中，数据平台基础架构选型，通常由资深的开发工程师或者架构师来完成。这就要求相关人员，结合具体场景和需求，综合考虑成本、投入等因素，选择合适的技术架构。
大数据基础架构，目前行业当中主流的选择，基本都集中在Hadoop生态下。一方面是因为Hadoop技术的成熟稳定，另一方面也有历史原因，因为很多企业早期的框架，都是基于Hadoop的。
主流大数据基础架构：
传统数据架构
传统数据架构，在进入大数据时代之后，因为数据量、性能等问题导致系统无法正常使用，需要进行升级改造。通常采取的是保留ETL的动作，将数据经过ETL动作进入数据存储。这类数据架构，所能满足的数据分析需求依旧以BI场景为主。
流式架构
在传统大数据架构的基础上，流式架构数据全程以流的形式处理，在数据接入端将ETL替换为数据通道。经过流处理加工后的数据，以消息的形式直接推送给了消费者。存储部分在外围系统以窗口的形式进行存储。适用于预警、监控、对数据有时效性有更高要求的场景。
Lambda架构
Lambda架构算大数据系统里面举足轻重的架构，数据通道分为两条分支：实时流和离线。实时流依照流式架构，保障了其实时性，而离线则以批处理方式为主，保障了最终一致性。适用于同时存在实时和离线需求的需求场景。
Kappa架构
Kappa架构在Lambda的基础上进行了优化，将实时和流部分进行了合并，将数据通道以消息队列进行替代。对于Kappa架构来说，依旧以流处理为主，但是数据却在数据湖层面进行了存储，当需要进行离线分析或者再次计算的时候，则将数据湖的数据再次经过消息队列重播一次则可。
关于大数据平台搭建：大数据基础架构选型，以上就是今天的分享内容了。大数据继续发展，企业对于数据平台搭建的需求，将越来越普遍，不管是基于原有的系统平台进行改造，还是搭建全新的平台架构，都需要更多专业人才的支持。
