如何实现
为了满足以上各项苛刻条件，我们需要将大量工具加以结合。其中Apache Kafka负责收集数据流，并通过Apache Storm或者Apache Spark(基于具体系统需求)将其路由至HIVE/HDFS，接下来由分析引擎提取结论并将其发送至仪表板。
如何简化实现流程
来自任何来源的数据都会由Kafka集群负责收集与暂时存储，而Zookeeper——>中继——>主题分类机制则随即跟上。而后其会通过Storm或者Spark被发送至HIVE/HDFS，并由后者再传递至分析引擎(例如SAS VA)——这一切都以实时方式完成，结论则被推送至仪表板供用户理解及据此行动。
最后，为了充分发挥实时数据分析的潜能，企业之间还需要通力协作。大数据领域的经验证明，合作伙伴之间的配合是实现分析的前提条件。最后，各合作伙伴还需要广泛接触各垂直行业，从而理解其中的具体业务及错综复杂的相关要素。
因此，选择理想的合作伙伴亦左右着实时分析项目的最终命运。
总结
多数企业都拥有大量最终用户接触点，而当下对此类组织以及政府机构而言可谓决定性时刻。通过即时了解当前状况，各组织机构将能够让自己的工作更加富有成效——而实时数据分析方案则给了它们一个将理想转化为现实的选项!
原文标题：Real-time Data Analytics: The Way Forward