Apache spark Kappa架构和简单使用流处理之间的区别是什么？

我想问你一个简单的问题。当我使用Kappa大数据架构时，它看起来是这样的：

但对我来说，它看起来完全一样，如果我只是使用一些流处理工具，并将处理后的结果保存到某个数据库中。那么它有什么不同呢？

Kappa体系结构由两层组成：流处理和服务。流处理层运行流处理作业。通常，服务层用于查询结果

据我所知，您正在进行实时消息处理，并将结果存储在数据库中，以便进一步查询传入数据

在Lambda体系结构中，服务层负责查询批处理和速度（也称为流层）。但是在kappa中没有批处理层查询。只提供来自流（速度）层的查询

如果是的话，你是在卡帕

Kappa架构和简单使用 流处理

---

速度层+服务层=Kappa架构（在您的情况下）

感谢您的回答。那么，在某种情况下，我会做一个经典的流处理，但不做Kappa架构吗？可能是kafka字数：-）只是校准结果，但每次我将处理后的数据存储在一个被查询的数据库中，它基本上是Kappa，对吗？是的。。。但也有一些要求，您将阅读一个卡夫卡主题，然后处理它并发布到另一个卡夫卡主题。这是没有查询的简单流处理的经典示例。kappa基本上支持对来自流应用程序的原始/接收数据进行查询，但lambda支持对批处理层和流层进行查询。