Lambda架构
- nginx （b） Hbase （c）Spark Streaming （d）Spark （e）MapReduce
（f）ETL （g）MemSQL （h）HDFS （i）Flume （k）数据存储层
（l）kafka数据采集层 （m）业务逻辑层
将上面分别填入其中（9分）
1 d spark
2 e MapReduce
3 k 数据存储层
4 g MemSQL
5 h HDFS
6 I kafka
7 flume
8 ETL
解析：
ETL采用Sqoop/Datax来数据迁移到分布式存储文件HDFS，之后通过Spark和MapReduce工具离线计算处理，将结果视图发送到hive数据仓库，将结果存储到HDFS。
Nginx则是用flume采集信息，通过kafka实时数据集成，Spark Steaming计算处理分析，把结果存储到MemSQL/Doris。
合并计算则是用Spark来将批处理和实时处理的数据合并存储到HBase。
数据源：HDFS
批处理层：Offline Hive/MR/Spark
加速层：Flink/Storm
数据迁移：Collector/DataX/Sqoop
服务层：MongoDB/HBase/Redis OneDataAPI
Kappa架构
Kappa则是去掉了批处理层，所以处理历史数据的能力比Lambda架构差点。
业务和技术需求方面：
Lambda架构依赖Hadoop，Spark，Storm技术。
Kappa依赖Flink计算引擎，偏流式计算。
Hadoop里的HDFS是用于海量存储，而MapReduce则是用于海量计算。
