老曹眼中的Lambda

“ λ ”像一个双手插兜儿，独自行走的人，有“失意、无奈、孤独”的感觉。λ 读作Lambda，是物理上的波长符号，放射学的衰变常数，线性代数中的特征值......在程序和代码的世界里，它代表了函数表达式，系统架构，以及云计算架构。

Lambda表达式基于数学中的λ演算得名，可以看作是匿名函数，可以代替表达式，函数，闭包等，也支持类型推论，可以远离匿名内部类。

为什么使用Lambda呢？

1. 代码更紧凑

2. 拥有函数式编程中修改方法的能力

3. 有利于多核计算

Lambda的目的是让程序员能够对程序行为进行抽象，把代码行为看作数据。

Java 8的一个大亮点是引入Lambda表达式，在编写Lambda表达式时，也会随之被编译成一个函数式接口。

一个典型的例子是文件类型过滤  :

File dir = new File("/an/dir/");
   FileFilter directoryFilter = new FileFilter() {      public boolean accept(File file) {         return file.isDirectory();
      }
};

用lambda 重写后：

File dir = new File("/an/dir/");  File[] dirs = dir.listFiles((File f) -> f.isDirectory());

Lambda 表达式本身没有类型，因为常规类型系统没有“Lambda 表达式”这一内部概念。

与其它语言不同，Python的Lambda表达式的函数体只能有唯一的一条语句，也就是返回值表达式语句。Python编程语言使用lambda来创建匿名函数。

一个典型的例子是求一个列表中所有元素的平方。

一般写法：

def sq(x):
    return x * x

map(sq, [y for y in range(108)])

使用Lambda 的写法：

map( lambda x: x*x, [y for y in range(108)] )

在spark 中，用python 操作RDD时，Lambda 更是随处可见。

out_rdd = in_rdd.filter( # filter the empty record
          lambda x:x[1] is not None and x[1] != {}
               ).map( 
          lambda x:utils.parse_data(x[1],es_relations)
               ).filter( # filter the empty record  
          lambda x:x is not None
               ).filter( # filter the record  
          lambda x:x[u'timestamp']>time_start)

Lambda架构的目标是设计出一个能满足实时大数据系统关键特性的架构，包括有：高容错、低延时和可扩展等。Lambda架构整合离线计算和实时计算，融合不可变性（Immunability），读写分离和复杂性隔离等一系列架构原则，可集成Hadoop，Kafka，Storm，Spark，Hbase等各类大数据组件。

大数据Lambda 架构

Batch Layer进行预运算的作用实际上就是将大数据变小，从而有效地利用资源，改善实时查询的性能。主要功能是：

• 存储Master Dataset，这是一个不变的持续增长的数据集

• 针对这个Master Dataset进行预运算

Serving Layer就要负责对batch view进行操作，从而为最终的实时查询提供支撑。主要作用是：

• 对batch view的随机访问

• 更新batch view

speed layer与batch layer非常相似，它们之间最大的区别是前者只处理最近的数据，后者则要处理所有的数据。另一个区别是为了满足最小的延迟，speed layer并不会在同一时间读取所有的新数据，在接收到新数据时，更新realtime view，而不会像batch layer那样重新运算整个view。speed layer是一种增量的计算，而非重新运算（recomputation）。Speed Layer的作用包括：

• 对更新到serving layer带来的高延迟的一种补充

• 快速、增量的算法

• 最终Batch Layer会覆盖speed layer

大数据系统一般具有如下属性：

• 健壮性和容错性（Robustness和Fault Tolerance）

• 低延迟的读与更新（Low Latency reads and updates）

• 可伸缩性（Scalability）

• 通用性（Generalization）

• 可扩展性（Extensibility）

• 内置查询（Ad hoc queries）

• 维护最小（Minimal maintenance）

• 可调试性（Debuggability）

个人觉得，有了spark streaming 之后，spark 本身就是一种Lambda架构。

云计算中的Lambda，是指serverless architecture，无需配置或管理服务器即可运行代码。借助 Lambda，几乎可以为任何类型的应用程序或后端服务运行代码，而且全部无需管理。

以AWS 为例，云计算中的Lambda 示意流程如下：

AWS Lambda

只需上传代码，Lambda 会处理运行和扩展高可用性代码所需的一切工作。还可以将代码设置为自动从其他服务触发，或者直接从任何 Web 或移动应用程序调用。

ETL 是数据挖掘与数据分析中的必备环节，可以方便的通过AWS的Lambda实现，示例如下：

ETL 的Lambda 实现

其实，在spark 上实现Lambda 云服务也不是太费力的事。

总之，了解越多，越会喜欢上它，神奇而有趣的Lambda。