Lambda架構主要分為三層，批處理層、加速層和服務層。
如下圖所示：
（1）批處理層（Batch Layer）：存儲數據集，在數據集上預先計算查詢函數，并構建查詢對應的view。Batch Layer可以很好地處理離線數據。當很多場景需要實時查詢的時候，則需要Speed Layer
（2）加速層（Speed Layer）：batch layer處理的是全體數據集，speed layer處理的是增量數據流。Speed layer接收到數據后會不斷更新Real-time view，而Batch Layer是根據全體離線數據集直接得到Batch View。
（3）服務層（serving layer）：Serving layer用于合并Batch View 和Real-time view中的結果數據集到最終數據集。
1、批處理
批處理有兩個核心功能，存儲數據集和生成Batch View。該層主要負責主數據集，主數據集有以下三個屬性：
（1）數據是原始的
（2）數據是不可變的
（3）數據永遠真實的
2、加速層
它存儲實時視圖并傳入數據流，以便更新這些視圖。
Speed Layer和Batch Layer的區別如下：
（1）speed layer處理數據是最近的增量數據流，batch layer是全體數據集。
（2）Speed layer為了效率，接收到新數據時不斷更新Real-time view，而Batch Layer是根據全體離線數據集直接得到Batch View。
分為加速層和批量層的好處有哪些？
容錯性：當speed layer重新計算后，當前的real-time view就可以丟棄，而batch view也是重新計算的。
復雜性隔離：批量處理離線數據很好掌握，加速層處理增量數據隔離出來。
Scale out：橫向擴展，通過增加機器來擴展，而不是增加機器性能scale up。
3、服務層
用于響應用戶查詢，合并batch view和real-time view中的結果集得到最終數據集。該層提供了主數據集上執行的計算結果的低延遲訪問。讀取速度可以通過數據附加的索引來加速。
