LAOZEI

我们讨论过代码编写的难和繁的原理问题，现在关注性能问题，运行速度当然是非常重要的事情。 我们知道，软件不能改变硬件的性能，CPU 和硬盘该多快就多快。不过，我们可以设计出低复杂度的算法，也就是计算量更

TP 太撑上 AP，这几乎是业界的通识，而且也有了多年的成功实践，这还有什么可讨论的吗？ 上了 AP 库确实能缓存 TP 库的计算压力，而且 AP 库通常计算性能更好，还能给用户带来更优的体验，这确实

流数据源通常是动态、无界的，看起来与静态、有限的批数据源区别较大，传统的数据库技术在架构上难以直接处理流数据源，只能让位于后来者。heron\samza\storm\spark\flink等计算框架最

拥有集合化特性的程序语言能让我们用很少的语句写出针对集合的复杂运算，其中处于核心地位的是 Lambda 语法设计得是否方便，直接决定了程序语言的描述效率。 我们来从简单到复杂考查集合运算的可能情况，看

背景 关系数据库是最常见的数据存储方案，SQL自然也成为数据处理的第一选择。但随着企业级应用越来越复杂，使用SQL实现数据运算和处理也开始面临许多架构层面的严重问题。复杂的SQL（存储过程）很难移植、

SQL 用于数据分析其实会很浅 SQL 被广泛用于数据分析，经常会被当成数据分析师的默认技能。的确，数据库环境下会写 SQL 是很方便，想查什么写句 SQL 似乎就能搞定。比如，查个用户分组销售额，S

什么样的计算体系才算好呢？写着简单、跑得快。 写着简单，就是让程序员很快能写出来代码来，这样单位时间内可以完成更多的工作；跑得快就更容易理解，我们当然希望更短时间内获得计算结果，SQL为什么不行？

强计算和交互性的两难 Excel 和 BI 是常用的数据分析工具，很适合完成初级的数据分析任务，比如统计各月销售总额，计算各组的平均订单金额和购买频次等。但随着业务需求升级，更复杂的任务用 Excel

封闭的传统数据仓库 我们知道数据仓库是晚于数据库出现的，当 TP 数据库无法满足日益增长的数据分析需要时，人们便通过架设单独的数据库把 AP 业务独立出来就形成了数据仓库（逻辑概念）。后续出现了专门的