Toplu işlem, verileri büyük gruplar halinde ve planlanmış zamanlarda işler. Sistem, her işlemi geldiği anda işlemek yerine, bunları toplar ve birlikte çalıştırır. Bankalar, çekleri bir gecede tahsil etmek için on yıllarca toplu işlem kullandı. Bordro sistemleri, ücretleri ve kesintileri hesaplamak için toplu işlemler yürütür. Bu model, zamanlamanın verimlilikten daha az önemli olduğu durumlarda işe yarar.

Dezavantajı ise gecikmedir. Sabah 2'de çalışan bir toplu işlem, önceki güne ait verilerin sabaha kadar kullanılamayacağı anlamına gelir. Bordro ve faturalama için bu sorun teşkil etmez. Ancak dolandırıcılık tespiti veya gerçek zamanlı fiyatlandırma için uygun değildir. Akış işleme, veriler geldikçe analiz ederek bu durumları ele alır. Birçok modern mimari her ikisini de kullanır. Akış, acil olayları ele alır. Toplu işlem ise geçmişe dönük analiz, mutabakat ve raporlamayı ele alır. İkisi birbirini tamamlar. Toplu işlemlerin çalıştırılması da daha ucuzdur çünkü işlem kaynaklarının boşta olduğu yoğun olmayan saatlerde planlanabilirler. Hadoop ve Spark, dağıtılmış kümeler genelinde büyük ölçekli toplu işlemeyi popüler hale getirdi. Teknoloji gelişti, ancak model eskidir: topla, planla, işle, teslim et.

Parti işleme özellikleri

• Planlı — belirli aralıklarla, genellikle gece boyunca çalışır.
• Yüksek hacimli işlem — büyük veri kümelerini verimli bir şekilde işler
• Gecikmeye toleranslı — sonuçlara hemen ihtiyaç duyulmaz
• Kaynak verimli — en yoğun olmayan saatlerdeki işlem gücünü kullanır
• Deterministik — aynı girdi aynı çıktıyı üretir

Toplu işlemleme modası geçmiş bir yöntem değildir. Hızdan ziyade verimliliğin önemli olduğu durumlarda doğru araçtır.