简析5G时代的MART流处理

5G网络的引入增加了对数据量和速要求，而这些要求给传统的数据架构带来了压力。对吸收数据流量的需求空前增长，同时还要通过跨多个数据流，做出智能且动态的决策来推动执行。

当前的数据流处理体系通常足以结构处理流水线，但它们不能满足应用关键型任务程序的需求，而低延迟和多步响应式决策突出了这些任务型的应用程序需求。

此外，与传统的少数中央枢纽数据中心相反。随着预计每平方公里100万的互联事物密度的增加，以及规定的单位数毫秒的低延迟，数据和处理将通过几个边缘数据中心分散化。

在不完整的信息汇合处，传统的和现代的处理流数据的选择都将失败。为了使交互式低延迟应用程序和流水线管道共存，它们必须使用相同的数据来驱动跨功能的一致性。

信息不完整的前四部分是：

1.微服务架构要求将状态和逻辑分离

缺少的是对业务类型的逻辑以及应该存在的位置的理解。尽管应用程序流控制逻辑可以保留在应用程序层中，从而使计算容器真正变为无状态，但数据业务逻辑必须与存在的数据一起驱动。

2.网络带宽使用效率

当您将状态储存在NoSQL数据存储区中，并且实例容器每次交互都必须移动10至25 KB的数据有效负载时（例如，从存储区读取对象，对它进行修改并将它发送回数据存储），应用程序很快就会开始消耗大量的网络带宽。在虚拟化或容器化的世界中，网络资源就像黄金。人们不应该为了琐碎的数据移动而浪费它。

3.流处理的基本前提

今天的流处理基于时间窗口化概念：事件时间窗口或处理时间窗口之一。这并不代表真正现况。组织需要持续处理事件，无论事件是单独到达还是上下文到达。这种方法将避免诸如错过事件之类的问题，因为它们只会迟到了，而不必膨胀数据库来等待迟到的已知的最后一个事件。

4.交叉轮询多个数据流，以构建驱动决策的复杂事件

事件驱动的体系结构是消息流，每个消息流都与事件相关联，以驱动某些操作。架构面临到的挑战，是从多个数据流中构建复杂的事件，或基于复杂的业务逻辑将单个数据流驱动更改到多个状态。

• 智能流处理架构可操作：
• 将传入事件数据吸收到状态机中
• 从多个摄取流构建上下文实体状态
• 应用业务规则的规则集来驱动决策
• 通过迭代地融合从机器学习计划中，获得的新知识来增强和丰富这些规则
• 让决策传播以推动执行
• 一旦在实时处理中不需要上下文完成/处理的数据，则将其迁移到档案存储

智能流处理体系结构是由一个用于摄取，处理和存储的统一环境组成。

这种具有内置智能功能的集成方法可以在数据所在的位置进行分析。它利用快速的内存中关系数据处理平台（IMRDPP）不仅使流“变得智能”，而且还提供了线性扩展，可预测的低延迟，严格的ACID以及可在以下位置轻松部署的低得多的硬件空间边缘。

借助聚合，过滤，采样和关联等内置分析功能，以及存储过程/嵌入式受监督和无监督机器学习，可在一个集成平台上获得面向实时决策的流处理的所有要素。

如果您对VoltDB的工业物联网大数据低延迟方案、全生命周期的实时数据平台管理等感兴趣，欢迎私聊，与更多小伙伴一起探讨。