大数据系统的核心是分层解耦、流批协同，企业级标准架构分为5 层核心分层架构，外加3 种主流架构范式。
一、标准 5 层核心分层架构
1. 数据源层
结构化数据：MySQL、Oracle、业务库
非结构化数据：日志、文件、图片、音视频
半结构化数据：JSON、埋点、API 数据
实时流数据：IoT、消息队列、交易流
2. 数据采集层
批量采集：DataX、Sqoop
日志采集：Filebeat、Flume
增量实时采集：Canal、Debezium
流数据接入：Kafka、Pulsar
3. 数据存储层
数据湖：HDFS、对象存储、Iceberg/Delta Lake
数据仓库：Hive、ClickHouse、StarRocks
NoSQL：HBase、Redis
时序库：InfluxDB、TDengine
4. 数据计算层
离线批计算：Spark、Hive
实时流计算：Flink
交互式查询：Presto、Trino
ETL / 数据治理：清洗、脱敏、质量、血缘
5. 数据服务与应用层
数据服务：API 网关、统一查询服务
可视化：BI 报表、数据大屏
业务应用：画像、推荐、风控、决策
AI 建模：特征平台、模型推理
二、3 种主流落地架构范式
传统数仓架构
离线 T+1 分析，适合报表、经营分析。
流批一体架构
Flink/Spark 统一离线 + 实时，适合实时大屏、风控、推荐。
湖仓一体架构
数据湖 + 数仓融合，一份数据支持全场景，是当前主流趋势。
