Lambda架构主要分为三层，批处理层、加速层和服务层。
如下图所示：
（1）批处理层（Batch Layer）：存储数据集，在数据集上预先计算查询函数，并构建查询对应的view。Batch Layer可以很好地处理离线数据。当很多场景需要实时查询的时候，则需要Speed Layer
（2）加速层（Speed Layer）：batch layer处理的是全体数据集，speed layer处理的是增量数据流。Speed layer接收到数据后会不断更新Real-time view，而Batch Layer是根据全体离线数据集直接得到Batch View。
（3）服务层（serving layer）：Serving layer用于合并Batch View 和Real-time view中的结果数据集到最终数据集。
1、批处理
批处理有两个核心功能，存储数据集和生成Batch View。该层主要负责主数据集，主数据集有以下三个属性：
（1）数据是原始的
（2）数据是不可变的
（3）数据永远真实的
2、加速层
它存储实时视图并传入数据流，以便更新这些视图。
Speed Layer和Batch Layer的区别如下：
（1）speed layer处理数据是最近的增量数据流，batch layer是全体数据集。
（2）Speed layer为了效率，接收到新数据时不断更新Real-time view，而Batch Layer是根据全体离线数据集直接得到Batch View。
分为加速层和批量层的好处有哪些？
容错性：当speed layer重新计算后，当前的real-time view就可以丢弃，而batch view也是重新计算的。
复杂性隔离：批量处理离线数据很好掌握，加速层处理增量数据隔离出来。
Scale out：横向扩展，通过增加机器来扩展，而不是增加机器性能scale up。
3、服务层
用于响应用户查询，合并batch view和real-time view中的结果集得到最终数据集。该层提供了主数据集上执行的计算结果的低延迟访问。读取速度可以通过数据附加的索引来加速。