什么是有界數(shù)據(jù)集？什么是無界數(shù)據(jù)流？

有界數(shù)據(jù)集指的是有明確的開始和明確的結束的數(shù)據(jù)，例如JSON文件、CSV文件、TXT文件、MySQL表格、Excel表格都是有界數(shù)據(jù)集，當你用它的時候，有明確的數(shù)據(jù)開始和明確的數(shù)據(jù)結束。對有界數(shù)據(jù)集的處理，從開始就是明確了范圍的。我們將這種處理稱為批處理，同時數(shù)據(jù)有邊界時(不會再產生新的數(shù)據(jù))的計算，稱之為離線計算。

無界數(shù)據(jù)是有明確的開始，但沒有明確的結束的數(shù)據(jù)，有源源不斷的數(shù)據(jù)進來等待被處理。有明確的開始，沒有明確的結束，這樣的數(shù)據(jù)我們稱為數(shù)據(jù)流，那有哪些無界數(shù)據(jù)流呢?

- Kafka

Kafka中的topic的某個分區(qū)可以算是無界數(shù)據(jù)流。

- 數(shù)據(jù)有明確的開始：offset從0開始

- 沒有明確的結束：offset最大是多少?不知道，來一條數(shù)據(jù)加一個

對消費者來說：

- 數(shù)據(jù)的開始起于：消費者啟動的那一刻

- 數(shù)據(jù)的結束起于：不確定啥時候結束，有數(shù)據(jù)就繼續(xù)干活，沒數(shù)據(jù)就等待數(shù)據(jù)

> 無界數(shù)據(jù)流的處理，由于沒有明確的結束點，一般稱之為：流(源源不斷)計算

> 又是因為數(shù)據(jù)會源源不斷的到來的特性，所以不能斷網(wǎng)，不能叫離線計算，也稱之為：在線計算、實時計算

> 批處理：從運行的那一刻開始，就一定會結束(正常情況)

> 流計算：從運行的那一刻開始，就沒想過結束(正常情況、報錯宕機不考慮)