Lambda架构？
Lambda架构（三层架构）：
（1）将数据处理分为实时和离线两部分。离线部分通过批量计算处理数据，实时部分则通过增加追加方式将数据合并到批处理中。
（2）批处理和增量处理独立存在，适合处理大数据量的场景。
（3）适用于离线批处理和增量处理场景，如离线数据分析、报表生成等。
批处理层：存储数据集。
【MapReduce】【Spark】
加速层：处理最近的增量数据流。
【Spark Streaming】【Storm】
服务层：合并批视图和实时视图中的结果数据集到最终数据集。
【Redis】【MySQL】【HBase】【Hive】
优点：（1）容错性好（2）灵活度高（3）易伸缩易扩展
缺点：（1）全场景覆盖带来的编码开销（2）重新部署和迁移成本高
应用实例
Kappa架构？
Kappa架构（二层架构）：
（1）以流处理为主的数据分析架构，实时层流式处理输入数据，生成实时视图，服务层接受用户请求，查询实时视图，响应用户请求。
（2）流式处理，适合处理实时数据。
（3）适用于实时性要求高的场景，如金融、物流等领域的实时监控、预警等。
实时层：处理输入数据，生成实时视图。
【采用Apache Kafka回访数据】
【采用Flink或Spark Streaming处理】
服务层：使用实时视图中的结果数据集响应用户请求。
【一般使用数据仓库或数据湖中的缓存或存储作为服务层】
优点：离线和实时处理代码统一，将实时和离线统一起来，方便进行数据处理；具有低延迟、高吞吐量、高可扩展性等优点。
缺点：计算能力相对较弱，难以即时响应；过度依赖特定组件（如Redis和HBase）。
应用实例
Lambda和Kappa架构的区别？
