本节书摘来自华章出版社《大数据系统构建：可扩展实时数据系统构建原理与最佳实践》一书中的第1章，第1.10节，南森·马茨（Nathan Marz） [美]　詹姆斯·沃伦（JamesWarren）　著 马延辉　向　磊　魏东琦　译，更多章节内容可以访问云栖社区“华章计算机”公众号查看。

1.10　总结

你已经知道了使用传统技术（如分片）来扩展关系型系统时会出现的错误。而我们面临的问题不仅仅是扩展，因为那会使系统变得更难以管理、扩展，甚至更难理解。在后面的章节中，当介绍如何构建大数据系统时，我们将像注重可扩展性一样注重鲁棒性。你将看到，当用正确的方式构建系统时，鲁棒性和可扩展性都是可以在同一个系统中实现的。
使用Lambda架构构建数据系统的好处不仅仅是可扩展，因为你的系统将能够处理更大量的数据、收集更多的数据并获得更多的价值。增加存储数据的数量和类型，将会有更多机会去挖掘数据、生成分析和构建新的应用程序。
使用Lambda架构的另一个好处是应用程序的健壮性很好。原因有很多，例如，你将有能力在整个数据集上运行计算来进行迁移或解决出错的事情。你永远不需要处理同一时间模式中有多个活跃版本的情况。当改变模式时，你将有能力将所有数据更新到新的模式。同样的，如果一个错误的算法被不小心部署到生产环境，破坏了所提供的数据，你可以通过重新计算被破坏的数值很容易地解决该问题。如你将见到的，还有许多其他原因使得大数据应用程序的鲁棒性更好。
最后，性能将是更加可预测的。虽然Lambda架构作为一个整体是通用和灵活的，但组成系统的各个组件是特定的。当与诸如SQL的查询计划比较时，后台很少会有“魔法”发生。这就使我们可以得到更加可预测的性能。
如果你对很多这种信息仍然不确定，也不用担心。我们还有很多内容需要进行探讨，并且将通过本书的课程再次深入讨论本章中介绍的每一个主题。在下一章中，你将开始学习如何构建Lambda架构。你会从堆栈的核心开始，即如何对数据集的主副本进行建模和系统化。