Batchbearbetning Batch processing
Att bearbeta stora datamängder i avgränsade körningar istället för händelse för händelse. Den äldsta databehandlingsmodellen som finns — hålkortsjobb var batch — och fortfarande grunden i de flesta dataplattformar.
Typexemplet är nattkörningen: hela dygnets transaktioner läses in, transformeras och skrivs till ett datalager. Fördelarna är påtagliga — hög genomströmning eftersom overhead slås ut över miljontals rader, enkel felhantering eftersom ett misslyckat jobb bara körs om, och deterministiska resultat som går att reproducera. Priset är latens: svaret blir så färskt som senaste körningen. Verktygen är MapReduce, Spark, dbt och orkestrerare som Airflow. Motsatsen är strömbearbetning med Kafka och Flink. Lambda-arkitekturen kombinerade båda, medan modern praxis oftare kör mikrobatchar tills någon faktiskt bevisar att sekunder spelar roll.