批处理
- 新到达的数据元素被收集到一个组中。整个组在未来的时间进行处理，批量处理一定时间段，一定数量或者一定大小的数据组。
- 历史上，绝大多数数据处理技术都是为批处理而设计的。传统的数据仓库和Hadoop是专注于批处理的系统的两个常见示例。
- 数据先保存起来，然后分析（全量数据），批处理有延迟性，响应时间分钟分钟/小时计
流式处理
- 在流处理中，每一条新数据都会在到达时进行处理。与批处理不同，在下一批处理间隔之前不会等待，每一条数据将作为单独的碎片进行处理，数据到达时就要立即对其进行响应
- 有越来越多的系统设计用于流处理，包括Apache Storm和Apache Heron。 这些系统经常部署以支持近乎实时的事件处理。
- 数据及时处理，处理过后一般不保存，具有实时性，响应时间毫秒计
交互式处理
- 在商业智能领域少量更新和大量扫描分析场景，目前是Impala+Kudu/Hive/Spark SQL/Greenplum Mpp数据库在混战。
- 数据先保存起来，再进行处理，处理时一般查询部分数据，进行简单的统计分析，所以它所存取的是整个数据集的一部分
- 它的响应时间比批处理快得多，一般是秒级
Lambda架构
批处理、流式数据处理、交互式处理等处理模式各有侧重，满足不同应用场合的需求，我们可以把这三种模式整合起来，这就是著名的Lambda架构。
关于更详细的架构及其他架构介绍内容可以参考这篇：
常用的大数据架构都有哪几种？ - PurStar - 博客园
https://www.cnblogs.com/purstar/p/14136512.html
数据科学交流群，群号：189158789 ，欢迎各位对数据科学感兴趣的小伙伴的加入！