一、业务现状分析

二、实时流处理产生背景

三、实时流处理概述

四、离线计算与实时计算对比

数据来源

离线：HDFS 历史数据，数据量比较大
实时：消息队列（Kafka） 实时新增、修改记录过来的某一笔数据

处理过程

离线：MapReduce ： map+reduce
实时：Spark（DStream/SS）

处理速度

离线：慢
实时：快

进程

离线：启动+销毁
实时：7*24

五、实时流处理框架对比

Apache Storm ：真的实时（常用）
Apache Spark Streaming ：微小的批处理（常用）
IBM Stream
Yahoo！S4
LinkedIn Kafka
Apache Flink：实时流，离线批处理

六、实时流处理架构与技术选型

七、实时流处理在企业中的应用

电信行业：实时监控计算流量的使用，套餐快用完了！流量陷阱，不停的传送数据，给出警告。
电商行业：双十一大屏。搜索A商品，实时推荐B商品。