最近调研了一些实时计算方面的技术，同时也对相关概念做了一些了解及梳理。
在一般情况下我们可以这样理解，离线和批量等价、实时和流式等价，但其实这种观点并不完全正确。
假设一种情况：当我们拥有一个非常强大的硬件系统，可以毫秒级的处理Gb级别的数据，那么批量计算也可以毫秒级得到统计结果（当然这种情况非常极端，目前不可能），那我们还能说它是离线计算吗？
所以说离线和实时应该指的是：数据处理的延迟；批量和流式指的是：数据处理的方式。两者并没有必然的关系。
什么是实时计算？这个概念与离线计算是相伴而生的，那么先说下什么是离线计算。
离线计算
离线计算就是在计算开始前已知所有输入数据，输入的数据不会再发生变化，且在解决一个问候就要立即得出结果的前提下进行的计算。
离线计算框架主要有hadoop、spark、MapReduce、HDFS。其中MapReduce被各大公司作为数据处理的主要方案。
MapReduce的思想也是从早期的函数式编程语言中借鉴而来，推广到了分布式系统中。
传统的数据处理方式通常是将数据导入到专门的数据分析工具中，这样会面临两个问题：
1、如果源数据非常大时，往往数据的移动就要花费较长时间。
2、传统的数据处理工具往往是单机模型，面对海量数据时，数据处理的时间也是一个很大的问题。
MapReduce是离线批量计算的代表，采用移动计算优于移动数据的理念，计算任务通常直接在HDFS的dataNode上运行，这样避免了数据的移动（当然reduce阶段还是需要节点间传输数据），并且采用并行计算的方式，大大减少了数据处理时间。
实时计算
随着用户数据量的增加，离线的计算会越来越慢，难以满足用户在某些场景下的实时性要求，因此很多解决方案中引入了实时计算。
很多时候，即使是海量数据，我们也希望即时去查看一些数据指标，实时流计算应运而生。
实时流计算有两个特点，一个是实时，随时可以看数据；另一个是流。
有了这样的需求和产品定义，自然会有相关的技术实现。目前工业级别的老牌实时流计算框架是 Storm、Spark Streaming，Samza、Flink 等等。
阿里云的实时计算（原阿里云流计算）是一套基于Apache Flink构建的一站式、高性能实时大数据处理平台。
主要应用的场景为:
1、实时ETL
集成流计算现有的诸多数据通道和SQL灵活的加工能力，对流式数据进行实时清洗、归并、结构化处理。同时，为离线数仓进行有效的补充和优化，为数据实时传输的提供可计算通道。
2、实时报表
实时化采集、加工流式数据存储。实时监控和展现业务、客户各类指标，让数据化运营实时化。
3、监控预警
对系统和用户行为进行实时检测和分析。实时监测和发现危险行为。
4、在线系统
实时计算各类数据指标，并利用实时结果及时调整在线系统相关策略。在各类内容投放、无线智能推送领域有大量的应用。
