实时计算平台的构成有几部分？

实时数据收集层

在实际业务中，大量的实时计算都是基于消息系统进行的数据收集和投递，这都离不开强大的消息中间件。业界使用最广的是Kafka，还有一些其他的比如RockettMQ等。Kafka因为高吞吐、低延迟的特性，特别适合大数据量、高QPS下的业务场景，而RocketMQ则在事务消息、一致性上有独特的优势。

实时计算层

Flink在计算层同时支持流式和批量分析应用，这就是我们所说的批流一体。Flink承担了数据的实时采集、实时计算和下游发送的角色。随着Blink的开源和一些其他实时产品的开源，支持可视化、SQL化的开发模式已经越来越普及。

数据存储层

实时数据存储层，存储层除了传统MySQL等存储引擎以外，还会根据场景数据的不同存储在Redis、HBase、OLAP中。OLAP的技术选型直接制约着数据存储层和数据服务层的能力。

数据服务层

数据服务层会提供统一的对外查询、多维度的实时汇总，加上完善的租户和权限设计，能够支持多部门、多业务的数据需求，另外，基于数据服务层还会有数据的展示、大屏、指标可视化等。