笼统的来说，大数据的架构一共有五层。
首先是数据源层
即最原始的数据层。数据在这一层里，还只是杂草地里的野菜。如果要问这片地的具体信息，目前来讲有三个地方：
- 一个地方是企业内部自有数据，例如淘宝、京东等电商平台的用户信息、订单信息、商品信息等；
- 另一个地方是第三方数据，即专门做数据买卖的公司。现在国家对数据和个人隐私的重视，导致这类数据交易的公司和平台逐渐息声；
- 还有一个地儿是互联网数据。这片土地上的宝藏就太多太多了，什么天气数据、公司信息、航班信息等等，五花八门，让人眼花缭乱。
在数据源和数据存储之间还有一个过渡，我就把它放到数据源层来说了。
地里的野菜不是一下子就飞到菜市场任人挑选，同理，互联网上的数据也不是一下子就能为我们所用。单单互联网上公布的数据，如航班信息来说，我们需要编写爬虫、解析网页规则，才能获取到数据，最后才是存储到大数据平台。在这家航空公司内部，一般是使用常规手段，如Sqoop数据传输，Flume日志采集等，从业务上将数据存储到大数据平台。两种角度都是一样的道理。
其次是数据存储层
抛开数据谈人工智能和机器学习都是耍流氓。得益于Hadoop的生态体系，我们不用担心企业内部PB、ZB级别的数据存储问题和使用这些数据时的效率与速度问题。Hadoop提供分布式文件系统（HDFS）和分布式列数据库（HBase），解决了海量数据的存储问题。这时候的数据就相当于农贸市场的蔬菜，多而繁，整装待发，准备奔赴下一层。
然后是数据计算层
从时效上来说，数据计算分为离线计算和实时计算，
- 离线计算适用于实时性要求不高的场景，比如离线报表、数据分析等，延时一般在分钟级或小时级，常用Map Reduce、Spark SQL等。
- 实时计算，通常也称为“实时流计算”、“流式计算”，表示那些实时或者低延时的流数据处理过程。通常应用在实时性要求高的场景，比如实时ETL、实时监控等，延时一般都在毫秒级甚至更低。常用Flink、Spark Streaming。
在这一层，数据就可以看作是从菜市场被厨师购买放置在酒店后厨分好类，就等顾客来点菜了。
最次是数据应用层
数据被获取、处理、存储好，计算组件也安排上了，才能算个完整的大数据平台，所以这一层和下一层都偏应用层，也是数据发挥作用的地方。以电商平台为例，常见的应用常见有：
- 描述性数据分析：通过对海量的用户订单信息分析，总结地区用户消费能力、购买喜好，也可以针对单个用户的购物习惯，给用户“打标签”
- 推荐算法实现：也可以叫预测性分析，通过大量数据拟合，分析预测出用户可能出现的消费行为，提高客单价。
- 搜索引擎、机器学习等等等等
最后是业务应用层
有了大数据支撑和数据应用层的决策支持，大数据公司的业务才能做到精准营销。基于数据应用层来说，电商平台分析出一名用户的个人信息、消费能力、文化程度并打上相应的标签，再分类打包用户信息，便可以实现精准广告营销；结合推荐算法，便能实现平台精准推荐。在这里，数据才算是桌上的菜肴，帮助我们成长。
总结来说，可以实现以下业务：
- 用户分析
- 热门商品分析
- 微博热搜
- 推荐系统
- 猜你喜欢
- 大家都在看
有没有感觉很熟悉?
面试官：抬走，下一位。