为什么我不把业务系统全部迁移到Spark？（上）

之前的半年，把一部分业务从MySQL+Java改造成了类HDFS+Spark的形式。

这部分业务，主要是从数据集根据特定的规则进行匹配。规则本身是带有业务标签的。经过一些检验之后，相同标签的数据会进行归并（理解成group by就好）。

经历这一步之后，数据总量从千万级“骤降”到千级。

完成这部分改造后，接下来要做的事情极度偏业务逻辑，从场景上来说大概还要区分国内一套，国际一套。目前依然是使用Java实现。

因为架构选型是我做的，因此我想谈谈为什么。

首先，升级的原因一定是系统有痛点，当时痛在2点：

• 数据库单表基本已经到极限即使走到索性，速度依然快不起来。
• 数据加载到内存之后，单个JVM支撑不了标记和归集的动作（当然，代码烂是很大一部分原因）。大约需要运算几个小时才能跑出结果。如果发现因为规则配置导致结果不符合预期，重跑又是几个小时。

再补充几个点：从描述应该可以看出来，系统具有很明显的OLAP的性质；同时，对于运行速度有很高的要求（5分钟出结果）；最后，不太同于一般意义的离线分析系统，规则极度偏业务、易错，且一旦结果不符合预期，可能调整规则重新计算。

基于上面的描述。我选择了把部分存储和计算迁移到大数据框架下。

---华丽的分割线---

发现随便写了写，已经快500字了，那就拆分一下，下一篇继续吧。