Apache 流框架 Flink，Spark Streaming，Storm對比分析

 

1.Flink架構及特性分析

Flink是個至關早的項目，開始於2008年，但只在最近才獲得注意。Flink是原生的流處理系統，提供high level的API。Flink也提供 API來像Spark同樣進行批處理，但二者處理的基礎是徹底不一樣的。Flink把批處理看成流處理中的一種特殊狀況。在Flink中，全部 的數據都看做流，是一種很好的抽象，由於這更接近於現實世界。

 

1.1 基本架構

下面咱們介紹下Flink的基本架構，Flink系統的架構與Spark相似，是一個基於Master-Slave風格的架構。

當 Flink 集羣啓動後，首先會啓動一個 JobManger 和一個或多個的 TaskManager。由 Client 提交任務給 JobManager， JobManager 再調度任務到各個 TaskManager 去執行，而後 TaskManager 將心跳和統計信息彙報給 JobManager。 TaskManager 之間以流的形式進行數據的傳輸。上述三者均爲獨立的 JVM 進程。

 

Client 爲提交 Job 的客戶端，能夠是運行在任何機器上（與 JobManager 環境連通便可）。提交 Job 後，Client 能夠結束進程 （Streaming的任務），也能夠不結束並等待結果返回。

 

JobManager 主要負責調度 Job 並協調 Task 作 checkpoint，職責上很像 Storm 的 Nimbus。從 Client 處接收到 Job 和 JAR 包 等資源後，會生成優化後的執行計劃，並以 Task 的單元調度到各個 TaskManager 去執行。

 

TaskManager 在啓動的時候就設置好了槽位數（Slot），每一個 slot 能啓動一個 Task，Task 爲線程。從 JobManager 處接收須要 部署的 Task，部署啓動後，與本身的上游創建 Netty 鏈接，接收數據並處理。

 

JobManager

JobManager是Flink系統的協調者，它負責接收Flink Job，調度組成Job的多個Task的執行。同時，JobManager還負責收集Job 的狀態信息，並管理Flink集羣中從節點TaskManager。JobManager所負責的各項管理功能，它接收到並處理的事件主要包括：

 

RegisterTaskManager

在Flink集羣啓動的時候，TaskManager會向JobManager註冊，若是註冊成功，則JobManager會向TaskManager回覆消息 AcknowledgeRegistration。

 

SubmitJob

Flink程序內部經過Client向JobManager提交Flink Job，其中在消息SubmitJob中以JobGraph形式描述了Job的基本信息。

 

CancelJob

請求取消一個Flink Job的執行，CancelJob消息中包含了Job的ID，若是成功則返回消息CancellationSuccess，失敗則返回消息 CancellationFailure。

 

UpdateTaskExecutionState

TaskManager會向JobManager請求更新ExecutionGraph中的ExecutionVertex的狀態信息，更新成功則返回true。

 

RequestNextInputSplit

運行在TaskManager上面的Task，請求獲取下一個要處理的輸入Split，成功則返回NextInputSplit。

 

JobStatusChanged

ExecutionGraph向JobManager發送該消息，用來表示Flink Job的狀態發生的變化，例如：RUNNING、CANCELING、 FINISHED等。

 

TaskManager

TaskManager也是一個Actor，它是實際負責執行計算的Worker，在其上執行Flink Job的一組Task。每一個TaskManager負責管理 其所在節點上的資源信息，如內存、磁盤、網絡，在啓動的時候將資源的狀態向JobManager彙報。TaskManager端能夠分紅兩個 階段：

 

註冊階段

TaskManager會向JobManager註冊，發送RegisterTaskManager消息，等待JobManager返回AcknowledgeRegistration，然 後TaskManager就能夠進行初始化過程。

 

可操做階段

該階段TaskManager能夠接收並處理與Task有關的消息，如SubmitTask、CancelTask、FailTask。若是TaskManager沒法鏈接 到JobManager，這是TaskManager就失去了與JobManager的聯繫，會自動進入「註冊階段」，只有完成註冊才能繼續處理Task 相關的消息。

 

Client

當用戶提交一個Flink程序時，會首先建立一個Client，該Client首先會對用戶提交的Flink程序進行預處理，並提交到Flink集羣中處 理，因此Client須要從用戶提交的Flink程序配置中獲取JobManager的地址，並創建到JobManager的鏈接，將Flink Job提交給 JobManager。Client會將用戶提交的Flink程序組裝一個JobGraph， 而且是以JobGraph的形式提交的。一個JobGraph是一個 Flink Dataflow，它由多個JobVertex組成的DAG。其中，一個JobGraph包含了一個Flink程序的以下信息：JobID、Job名稱、配 置信息、一組JobVertex等。

 

1.2 基於Yarn層面的架構

基於yarn層面的架構相似spark on yarn模式，都是由Client提交App到RM上面去運行，而後RM分配第一個container去運行 AM，而後由AM去負責資源的監督和管理。須要說明的是，Flink的yarn模式更加相似spark on yarn的cluster模式，在cluster模式 中，dirver將做爲AM中的一個線程去運行，在Flink on yarn模式也是會將JobManager啓動在container裏面，去作個driver相似 的task調度和分配，YARN AM與Flink JobManager在同一個Container中，這樣AM能夠知道Flink JobManager的地址，從而 AM能夠申請Container去啓動Flink TaskManager。待Flink成功運行在YARN集羣上，Flink YARN Client就能夠提交Flink Job到 Flink JobManager，並進行後續的映射、調度和計算處理。

 

1.3 組件棧

Flink是一個分層架構的系統，每一層所包含的組件都提供了特定的抽象，用來服務於上層組件。

 

Deployment層

該層主要涉及了Flink的部署模式，Flink支持多種部署模式：本地、集羣（Standalone/YARN）、雲（GCE/EC2）。Standalone 部署模式與Spark相似，這裏，咱們看一下Flink on YARN的部署模式

 

Runtime層

Runtime層提供了支持Flink計算的所有核心實現，好比：支持分佈式Stream處理、JobGraph到ExecutionGraph的映射、調度等 等，爲上層API層提供基礎服務。

 

API層

API層主要實現了面向無界Stream的流處理和麪向Batch的批處理API，其中面向流處理對應DataStream API，面向批處理對應DataSet API。

 

Libraries層

該層也能夠稱爲Flink應用框架層，根據API層的劃分，在API層之上構建的知足特定應用的實現計算框架，也分別對應於面向流處理 和麪向批處理兩類。面向流處理支持：CEP（復瑣事件處理）、基於SQL-like的操做（基於Table的關係操做）；面向批處理支持： FlinkML（機器學習庫）、Gelly（圖處理）。

 

從官網中咱們能夠看到，對於Flink一個最重要的設計就是Batch和Streaming共同使用同一個處理引擎，批處理應用能夠以一種特 殊的流處理應用高效地運行。

這裏面會有一個問題，就是Batch和Streaming是如何使用同一個處理引擎進行處理的。

 

1.4 Batch和Streaming是如何使用同一個處理引擎。

下面將從代碼的角度去解釋Batch和Streaming是如何使用同一處理引擎的。首先從Flink測試用例來區分二者的區別。

Batch WordCount Examples

Streaming WordCount Examples

Batch和Streaming採用的不一樣的ExecutionEnviroment，對於ExecutionEnviroment來講讀到的源數據是一個DataSet,而 StreamExecutionEnviroment的源數據來講則是一個DataStream。

接着咱們追蹤下Batch的從Optimzer到JobGgraph的流程，這裏若是是Local模式構造的是LocalPlanExecutor，這裏咱們只介紹 Remote模式，此處的executor爲RemotePlanExecutor

最終會調用ClusterClient的run方法將咱們的應用提交上去，run方法的第一步就是獲取jobGraph，這個是client端的操做，client 會將jobGraph提交給JobManager轉化爲ExecutionGraph。Batch和streaming不一樣之處就是在獲取JobGraph上面。

若是咱們初始化的FlinkPlan是StreamingPlan，則首先構造Streaming的StreamingJobGraphGenerator去將optPlan轉爲 JobGraph，Batch則直接採用另外一種的轉化方式。

簡而言之，Batch和streaming會有兩個不一樣的ExecutionEnvironment，不一樣的ExecutionEnvironment會將不一樣的API翻譯成不一樣 的JobGgrah，JobGraph 之上除了 StreamGraph 還有 OptimizedPlan。OptimizedPlan 是由 Batch API 轉換而來的。 StreamGraph 是由 Stream API 轉換而來的，JobGraph 的責任就是統一 Batch 和 Stream 的圖。

 

1.5 特性分析

高吞吐 & 低延遲

Flink 的流處理引擎只須要不多配置就能實現高吞吐率和低延遲。下圖展現了一個分佈式計數的任務的性能，包括了流數據 shuffle 過程。

 

支持 Event Time 和亂序事件

 

Flink 支持了流處理和 Event Time 語義的窗口機制。

Event time 使得計算亂序到達的事件或可能延遲到達的事件更加簡單。

狀態計算的 exactly-once 語義

 

流程序能夠在計算過程當中維護自定義狀態。

Flink 的 checkpointing 機制保證了即時在故障發生下也能保障狀態的 exactly once 語義。

高度靈活的流式窗口

 

Flink 支持在時間窗口，統計窗口，session 窗口，以及數據驅動的窗口

窗口能夠經過靈活的觸發條件來定製，以支持複雜的流計算模式。

帶反壓的連續流模型

 

數據流應用執行的是不間斷的（常駐）operators。

Flink streaming 在運行時有着自然的流控：慢的數據 sink 節點會反壓（backpressure）快的數據源（sources）。

 

容錯性

 

Flink 的容錯機制是基於 Chandy-Lamport distributed snapshots 來實現的。

這種機制是很是輕量級的，容許系統擁有高吞吐率的同時還能提供強一致性的保障。

Batch 和 Streaming 一個系統流處理和批處理共用一個引擎

 

Flink 爲流處理和批處理應用公用一個通用的引擎。批處理應用能夠以一種特殊的流處理應用高效地運行。

內存管理

Flink 在 JVM 中實現了本身的內存管理。

應用能夠超出主內存的大小限制，而且承受更少的垃圾收集的開銷。

迭代和增量迭代

 

Flink 具備迭代計算的專門支持（好比在機器學習和圖計算中）。

增量迭代能夠利用依賴計算來更快地收斂。

程序調優

 

批處理程序會自動地優化一些場景，好比避免一些昂貴的操做（如 shuffles 和 sorts），還有緩存一些中間數據。

API 和 類庫

 

流處理應用

 

DataStream API 支持了數據流上的函數式轉換，可使用自定義的狀態和靈活的窗口。

右側的示例展現瞭如何以滑動窗口的方式統計文本數據流中單詞出現的次數。

val texts:DataStream[String] = ...

val counts = text .flatMap { line => line.split("\\W+") } .map { token => Word(token, 1) } .keyBy("word") .timeWindow(Time.seconds(5), Time.seconds(1)) .sum("freq")

批處理應用

Flink 的 DataSet API 可使你用 Java 或 Scala 寫出漂亮的、類型安全的、可維護的代碼。它支持普遍的數據類型，不只僅是 key/value 對，以及豐富的 operators。

右側的示例展現了圖計算中 PageRank 算法的一個核心循環。

case class Page( pageId: Long, rank:Double) case class Adjacency( id: Long, neighbors:Array[Long])

val result = initialRanks.iterate(30) { pages => pages.join(adjacency).where("pageId").equalTo("pageId") { (page, adj, out : Collector[Page]) => { out.collect(Page(page.id, 0.15 / numPages)) for (n <- adj.neighbors) { out.collect(Page(n, 0.85*page.rank/adj.neighbors.length)) } } } .groupBy("pageId").sum("rank") }

 

類庫生態

 

Flink 棧中提供了提供了不少具備高級 API 和知足不一樣場景的類庫：機器學習、圖分析、關係式數據處理。當前類庫還在 beta 狀 態，而且在大力發展。

普遍集成

 

Flink 與開源大數據處理生態系統中的許多項目都有集成。

Flink 能夠運行在 YARN 上，與 HDFS 協同工做，從 Kafka 中讀取流數據，能夠執行 Hadoop 程序代碼，能夠鏈接多種數據存儲 系統。

部署

 

Flink能夠單獨脫離Hadoop進行部署，部署只依賴Java環境，相對簡單。

2.Spark Streaming架構及特性分析

 

2.1 基本架構

 基因而spark core的spark streaming架構。

 

Spark Streaming是將流式計算分解成一系列短小的批處理做業。這裏的批處理引擎是Spark，也就是把Spark Streaming的輸入數 據按照batch size（如1秒）分紅一段一段的數據（Discretized Stream），每一段數據都轉換成Spark中的RDD（Resilient Distributed Dataset ） ， 然 後 將 Spark Streaming 中 對 DStream 的 Transformation 操 做 變 爲 針 對 Spark 中 對 RDD 的 Transformation操做，將RDD經 過操做變成中間結果保存在內存中。整個流式計算根據業務的需求能夠對中間的結果進行疊加， 或者存儲到外部設備。

簡而言之，Spark Streaming把實時輸入數據流以時間片Δt （如1秒）爲單位切分紅塊，Spark Streaming會把每塊數據做爲一個 RDD，並使用RDD操做處理每一小塊數據。每一個塊都會生成一個Spark Job處理，而後分批次提交job到集羣中去運行，運行每一個 job的過程和真正的spark 任務沒有任何區別。

 

JobScheduler

 

負責job的調度

JobScheduler是SparkStreaming 全部Job調度的中心， JobScheduler的啓動會致使ReceiverTracker和JobGenerator的啓動。 ReceiverTracker的啓動致使運行在Executor端的Receiver啓動而且接收數據，ReceiverTracker會記錄Receiver接收到的數據 meta信息。JobGenerator的啓動致使每隔BatchDuration，就調用DStreamGraph生成RDD Graph，並生成Job。JobScheduler 中的線程池來提交封裝的JobSet對象(時間值，Job，數據源的meta)。Job中封裝了業務邏輯，致使最後一個RDD的action被觸 發，被DAGScheduler真正調度在Spark集羣上執行該Job。

 

JobGenerator

 

負責Job的生成

經過定時器每隔一段時間根據Dstream的依賴關係生一個一個DAG圖。

 

ReceiverTracker

 

負責數據的接收，管理和分配

ReceiverTracker在啓動Receiver的時候他有ReceiverSupervisor,其實現是ReceiverSupervisorImpl, ReceiverSupervisor自己啓 動的時候會啓動Receiver，Receiver不斷的接收數據，經過BlockGenerator將數據轉換成Block。定時器會不斷的把Block數據通會不斷的把Block數據經過BlockManager或者WAL進行存儲，數據存儲以後ReceiverSupervisorlmpl會把存儲後的數據的元數據Metadate彙報給ReceiverTracker，實際上是彙報給ReceiverTracker中的RPC實體ReceiverTrackerEndpoint，主要。

 

2.2 基於Yarn層面的架構分析

上圖爲spark on yarn 的cluster模式，Spark on Yarn啓動後，由Spark AppMaster中的driver（在AM的裏面會啓動driver，主要 是StreamingContext對象）把Receiver做爲一個Task提交給某一個Spark Executor；Receive啓動後輸入數據，生成數據塊，然 後通知Spark AppMaster；Spark AppMaster會根據數據塊生成相應的Job，並把Job的Task提交給空閒Spark Executor 執行。圖 中藍色的粗箭頭顯示被處理的數據流，輸入數據流能夠是磁盤、網絡和HDFS等，輸出能夠是HDFS，數據庫等。對比Flink和spark streaming的cluster模式能夠發現，都是AM裏面的組件（Flink是JM,spark streaming是Driver）承載了task的分配和調度，其餘 container承載了任務的執行（Flink是TM，spark streaming是Executor），不一樣的是spark streaming每一個批次都要與driver進行 通訊來進行從新調度，這樣延遲性遠低於Flink。

具體實現

圖2.1 Spark Streaming程序轉換爲DStream Graph

圖2.2 DStream Graph轉換爲RDD的Graph

Spark Core處理的每一步都是基於RDD的，RDD之間有依賴關係。下圖中的RDD的DAG顯示的是有3個Action，會觸發3個job， RDD自下向上依 賴，RDD產生job就會具體的執行。從DSteam Graph中能夠看到，DStream的邏輯與RDD基本一致，它就是在 RDD的基礎上加上了時間的依賴。RDD的DAG又能夠叫空間維度，也就是說整個 Spark Streaming多了一個時間維度，也能夠成 爲時空維度，使用Spark Streaming編寫的程序與編寫Spark程序很是類似，在Spark程序中，主要經過操做RDD（Resilient Distributed Datasets彈性分佈式數據集）提供的接口，如map、reduce、filter等，實現數據的批處理。而在Spark Streaming 中，則經過操做DStream（表示數據流的RDD序列）提供的接口，這些接口和RDD提供的接口相似。

 

Spark Streaming把程序中對 DStream的操做轉換爲DStream Graph，圖2.1中，對於每一個時間片，DStream Graph都會產生一個RDD Graph；針對每一個輸出 操做（如print、foreach等），Spark Streaming都會建立一個Spark action；對於每一個Spark action，Spark Streaming都會產生 一個相應的Spark job，並交給JobScheduler。JobScheduler中維護着一個Jobs隊列, Spark job存儲在這個隊列中， JobScheduler把Spark job提交給Spark Scheduler，Spark Scheduler負責調度Task到相應的Spark Executor上執行，最後造成 spark的job。

                                                                                           圖2.3時間維度生成RDD的DAG

Y軸就是對RDD的操做，RDD的依賴關係構成了整個job的邏輯，而X軸就是時間。隨着時間的流逝，固定的時間間隔（Batch Interval）就會生成一個job實例，進而在集羣中運行。

 

代碼實現

基於spark 1.5的spark streaming源代碼解讀，基本架構是沒怎麼變化的。

 

2.3 組件棧

支持從多種數據源獲取數據，包括Kafk、Flume、Twitter、ZeroMQ、Kinesis 以及TCP sockets，從數據源獲取數據以後，能夠 使用諸如map、reduce、join和window等高級函數進行復雜算法的處理。最後還能夠將處理結果 存儲到文件系統，數據庫和現場 儀表盤。在「One Stack rule them all」的基礎上，還可使用Spark的其餘子框架，如集羣學習、圖計算等，對流數據進行處 理。

 

2.4 特性分析

 

吞吐量與延遲性

Spark目前在EC2上已可以線性擴展到100個節點（每一個節點4Core），能夠以數秒的延遲處理6GB/s的數據量（60M records/s），其吞吐量也比流行的Storm高2～5倍，圖4是Berkeley利用WordCount和Grep兩個用例所作的測試，在 Grep這個 測試中，Spark Streaming中的每一個節點的吞吐量是670k records/s，而Storm是115k records/s。

Spark Streaming將流式計算分解成多個Spark Job，對於每一段數據的處理都會通過Spark DAG圖分解，以及Spark的任務集的調 度過程，其最小的Batch Size的選取在0.5~2秒鐘之間（Storm目前最小的延遲是100ms左右），因此Spark Streaming可以知足 除對實時性要求很是高（如高頻實時交易）以外的全部流式準實時計算場景。

 

exactly-once 語義

更加穩定的exactly-once語義支持。

 

反壓能力的支持

Spark Streaming 從v1.5開始引入反壓機制（back-pressure）,經過動態控制數據接收速率來適配集羣數據處理能力.

 

Sparkstreaming如何反壓？

簡單來講，反壓機制須要調節系統接受數據速率或處理數據速率，然而系統處理數據的速率是無法簡單的調節。所以，只能估計當 前系統處理數據的速率，調節系統接受數據的速率來與之相匹配。

 

Flink如何反壓？

嚴格來講，Flink無需進行反壓，由於系統接收數據的速率和處理數據的速率是天然匹配的。系統接收數據的前提是接收數據的Task 必須有空閒可用的Buffer，該數據被繼續處理的前提是下游Task也有空閒可用的Buffer。所以，不存在系統接受了過多的數據，導 致超過了系統處理的能力。

由此看出，Spark的micro-batch模型致使了它須要單獨引入反壓機制。

 

反壓與高負載

反壓一般產生於這樣的場景：短時負載高峯致使系統接收數據的速率遠高於它處理數據的速率。

可是，系統可以承受多高的負載是系統數據處理能力決定的，反壓機制並非提升系統處理數據的能力，而是系統所面臨負載高於 承受能力時如何調節系統接收數據的速率。

 

容錯

Driver和executor採用預寫日誌（WAL）方式去保存狀態，同時結合RDD自己的血統的容錯機制。

 

API 和 類庫

Spark 2.0中引入告終構化數據流，統一了SQL和Streaming的API，採用DataFrame做爲統一入口，可以像編寫普通Batch程序或 者直接像操做SQL同樣操做Streaming，易於編程。

普遍集成

 

除了能夠讀取HDFS, Flume, Kafka, Twitter andZeroMQ數據源之外，咱們本身也能夠定義數據源，支持運行在Yarn， Standalone及EC2上，可以經過Zookeeper，HDFS保證高可用性，處理結果能夠直接寫到HDFS

部署性

依賴java環境，只要應用可以加載到spark相關的jar包便可。

 

3.Storm架構及特性分析

3.1 基本架構

 

Storm集羣採用主從架構方式，主節點是Nimbus，從節點是Supervisor，有關調度相關的信息存儲到ZooKeeper集羣中。架構以下：

 

 

Nimbus

Storm集羣的Master節點，負責分發用戶代碼，指派給具體的Supervisor節點上的Worker節點，去運行Topology對應的組件 （Spout/Bolt）的Task。

 

Supervisor

Storm集羣的從節點，負責管理運行在Supervisor節點上的每個Worker進程的啓動和終止。經過Storm的配置文件中的 supervisor.slots.ports配置項，能夠指定在一個Supervisor上最大容許多少個Slot，每一個Slot經過端口號來惟一標識，一個端口號 對應一個Worker進程（若是該Worker進程被啓動）。

 

ZooKeeper

用來協調Nimbus和Supervisor，若是Supervisor因故障出現問題而沒法運行Topology，Nimbus會第一時間感知到，並從新分配 Topology到其它可用的Supervisor上運行。

 

運行架構

運行流程

 

1）戶端提交拓撲到nimbus。

2） Nimbus針對該拓撲創建本地的目錄根據topology的配置計算task，分配task，在zookeeper上創建assignments節點存儲 task和supervisor機器節點中woker的對應關係；

在zookeeper上建立taskbeats節點來監控task的心跳；啓動topology。

3） Supervisor去zookeeper上獲取分配的tasks，啓動多個woker進行，每一個woker生成task，一個task一個線程；根據topology 信息初始化創建task之間的鏈接;Task和Task之間是經過zeroMQ管理的；後整個拓撲運行起來。

3.2 基於Yarn層面的架構

在YARN上開發一個應用程序，一般只須要開發兩個組件，分別是客戶端和ApplicationMaster，其中客戶端主要做用是提交應用程 序到YARN上，並和YARN和ApplicationMaster進行交互，完成用戶發送的一些指令；而ApplicationMaster則負責向YARN申請 資源，並與NodeManager通訊，啓動任務。

 

不修改任何Storm源代碼便可將其運行在YARN之上，最簡單的實現方法是將Storm的各個服務組件（包括Nimbus和Supervisor） 做爲單獨的任務運行在YARN上，而Zookeeper做爲一個公共的服務運行在YARN集羣以外的幾個節點上。

 

1）經過YARN-Storm Client將Storm Application提交到YARN的RM上；

2）RM爲YARN-Storm ApplicationMaster申請資源，並將其運行在一個節點上（Nimbus）；

3）YARN-Storm ApplicationMaster 在本身內部啓動Nimbus和UI服務；

4)YARN-Storm ApplicationMaster 根據用戶配置向RM申請資源，並在申請到的Container中啓動Supervisor服務；

 

3.3 組件棧

 

3.4 特性分析

 

簡單的編程模型。

相似於MapReduce下降了並行批處理複雜性，Storm下降了進行實時處理的複雜性。

 

服務化

一個服務框架,支持熱部署,即時上線或下線App.

 

可使用各類編程語言

你能夠在Storm之上使用各類編程語言。默認支持Clojure、Java、Ruby和Python。要增長對其餘語言的支持，只需實現一個簡單 的Storm通訊協議便可。

 

容錯性

Storm會管理工做進程和節點的故障。

 

水平擴展

計算是在多個線程、進程和服務器之間並行進行的。

可靠的消息處理

Storm保證每一個消息至少能獲得一次完整處理。任務失敗時，它會負責從消息源重試消息。

 

快速

系統的設計保證了消息能獲得快速的處理，使用ZeroMQ做爲其底層消息隊列。

 

本地模式

Storm有一個「本地模式」，能夠在處理過程當中徹底模擬Storm集羣。這讓你能夠快速進行開發和單元測試。

 

部署性

依賴於Zookeeper進行任務狀態的維護，必須首先部署Zookeeper。

4．三種框架的對比分析

 

對比分析

若是對延遲要求不高的狀況下，建議使用Spark Streaming，豐富的高級API，使用簡單，自然對接Spark生態棧中的其餘組 件，吞吐量大，部署簡單，UI界面也作的更加智能，社區活躍度較高，有問題響應速度也是比較快的，比較適合作流式的ETL，而 且Spark的發展勢頭也是有目共睹的，相信將來性能和功能將會更加完善。

 

若是對延遲性要求比較高的話，建議能夠嘗試下Flink，Flink是目前發展比較火的一個流系統，採用原生的流處理系統，保證了低延遲性，在API和容錯性上也是作的比較完善，使用起來相對來講也是比較簡單的，部署容易，並且發展勢頭也愈來愈好，相信後面社區問題的響應速度應該也是比較快的。

 

我的對Flink是比較看好的，由於原生的流處理理念，在保證了低延遲的前提下，性能仍是比較好的，且愈來愈易用，社區也在不斷 發展。