热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

实时数据处理框架调研

产品模型API保证次数容错机制状态管理延时吞吐量成熟度StormNativeCompositionalAtleastonceRecordACKsNotbuilt-in

image
image

产品模型API保证次数容错机制状态管理延时吞吐量成熟度
StormNativeCompositionalAt least onceRecord ACKsNot built-in<1sLowHigh
TridentMicro-batchingCompositionalExactly-onceRecord ACKsDedicated OperatorsSeconds~minsMediumHigh
Spark StreamingMicro-batchingDeclarativeExactly-onceRDD based CheckpointingDedicated DStreamSeconds~minsHighHigh
SamzaNativeCompositionalAt least onceLog-basedStateful Operatorsms ~ sHighMedium
FlinkNativeDeclarativeExactly-onceCheckpointingStateful Operatorsms ~ sHigh1.0以发布

Spark vs flink

内存管理&#xff1a;

一直到1.5版本&#xff0c;spark都是试用java的内存管理来做数据缓存&#xff0c;明显很容易导致OOM或者gc。所以从1.5开始&#xff0c;spark开始转向精确的控制内存的使用&#xff0c;这就是tungsten项目了。从1.5开始&#xff0c;所有的dataframe操作都是直接作用在tungsten的二进制数据上。
flink从第一天开始就坚持自己控制内存试用。这个也是启发了spark走这条路的原因之一。flink除了把数据存在自己管理的内存以外&#xff0c;还直接操作二进制数据。

语言实现

Spark用的Scala&#xff0c; flink是java

对 windowing 的支持&#xff1a;

因为spark的小批量机制&#xff0c;spark对于windowing的支持非常有限。只能基于process time&#xff0c;且只能对batches来做window。
Flink对window的支持非常到位&#xff0c;且Flink对windowing API的支持是相当给力的&#xff0c;允许基于process time,data time,record 来做windowing。

SQL interface

spark-sql是spark里面最活跃的组件之一&#xff0c;Spark提供了类似Hive的sql和Dataframe这种DSL来查询结构化数据&#xff0c;API很成熟&#xff0c;在流式计算中使用很广&#xff0c;预计在流式计算中也会发展得很快。
Flink Table API只支持类似DataFrame这种DSL&#xff0c;并且还是处于beta状态&#xff0c;社区有计划增加SQL 的interface&#xff0c;但是目前还不确定什么时候才能在框架中用上。

Data source Integration

Spark的数据源 API是整个框架中最好的&#xff0c;支持的数据源包括NoSql db,parquet,ORC等&#xff0c;并且支持一些高级的操作&#xff0c;例如predicate push down
Flink目前还依赖map/reduce InputFormat来做数据源聚合。

Iterative processing

spark对机器学习的支持较好&#xff0c;因为可以在spark中利用内存cache来加速机器学习算法。但是大部分机器学习算法其实是一个有环的数据流&#xff0c;但是在spark中&#xff0c;实际是用无环图来表示的&#xff0c;一般的分布式处理引擎都是不鼓励试用有环图的。
flink支持在runtime中的有环数据流&#xff0c;这样表示机器学习算法更有效而且更有效率。

结论&#xff1a; 目前Spark相比Flink是一个更为成熟的计算框架&#xff0c;但是Flink的很多思路很不错&#xff0c;Spark社区也意识到了这一点&#xff0c;并且逐渐在采用Flink中的好的设计思路&#xff0c;所以学习一下Flink能让你了解一下Streaming这方面的更迷人的思路。

Kudu:

Kudu的定位是提供”fast analytics on fast data”&#xff0c;也就是在快速更新的数据上进行快速的查询。它定位OLAP和少量的OLTP工作流&#xff0c;如果有大量的random accesses&#xff0c;官方建议还是使用HBase最为合适。

kylin

hadoop上的cube

Impala:

Impala是架构于Hadoop之上的开源、高并发的MPP查询引擎&#xff0c;被广泛应用于各种行业。Impala是完全集成的&#xff0c;用以平衡Hadoop的灵活性和可扩展性&#xff0c;为BI&#xff0f;数据分析师提供低延迟、高并发的以读为主的查询。
它将传统分析数据库的SQL支持和多用户性能与Hadoop的灵活性和可扩展性结合起来&#xff0c;它通过利用HDFS、HBase、Metastore、YARN、Sentry等标准组件能够读取大多数广泛使用的文件格式比如Parquet、Avro、RCFile来维护Hadoop的灵活性&#xff1b;为了降低延迟&#xff0c;避免利用MR或者读远程数据&#xff0c;基于负责查询执行所有方面、作为Hadoop基础设施一部分运行于各台服务器上的Deamon进程实现了一个分布式架构&#xff0c;在相同负载的情形下其性能相当或超过了商用MPP分析数据库。

参考资料&#xff1a;
新一代大数据处理引擎 Apache Flink
Apache流计算框架详细对比
Introduction Into Distributed Real-Time Stream Processing
大数据分析界的“神兽”Apache Kylin有多牛
Kudu:支持快速分析的新型Hadoop存储系统



推荐阅读
  • oracle c3p0 dword 60,web_day10 dbcp c3p0 dbutils
    createdatabasemydbcharactersetutf8;alertdatabasemydbcharactersetutf8;1.自定义连接池为了不去经常创建连接和释放 ... [详细]
  • 在CentOS 7环境中安装配置Redis及使用Redis Desktop Manager连接时的注意事项与技巧
    在 CentOS 7 环境中安装和配置 Redis 时,需要注意一些关键步骤和最佳实践。本文详细介绍了从安装 Redis 到配置其基本参数的全过程,并提供了使用 Redis Desktop Manager 连接 Redis 服务器的技巧和注意事项。此外,还探讨了如何优化性能和确保数据安全,帮助用户在生产环境中高效地管理和使用 Redis。 ... [详细]
  • 在PHP中如何正确调用JavaScript变量及定义PHP变量的方法详解 ... [详细]
  • Presto:高效即席查询引擎的深度解析与应用
    本文深入解析了Presto这一高效的即席查询引擎,详细探讨了其架构设计及其优缺点。Presto通过内存到内存的数据处理方式,显著提升了查询性能,相比传统的MapReduce查询,不仅减少了数据传输的延迟,还提高了查询的准确性和效率。然而,Presto在大规模数据处理和容错机制方面仍存在一定的局限性。本文还介绍了Presto在实际应用中的多种场景,展示了其在大数据分析领域的强大潜力。 ... [详细]
  • 零拷贝技术是提高I/O性能的重要手段,常用于Java NIO、Netty、Kafka等框架中。本文将详细解析零拷贝技术的原理及其应用。 ... [详细]
  • 使用jqTransform插件美化表单
    jqTransform 是由 DFC Engineering 开发的一款 jQuery 插件,专用于美化表单元素,操作简便,能够美化包括输入框、单选按钮、多行文本域、下拉选择框和复选框在内的所有表单元素。 ... [详细]
  • 本文探讨了如何在 Java 中将多参数方法通过 Lambda 表达式传递给一个接受 List 的 Function。具体分析了 `OrderUtil` 类中的 `runInBatches` 方法及其使用场景。 ... [详细]
  • javascript分页类支持页码格式
    前端时间因为项目需要,要对一个产品下所有的附属图片进行分页显示,没考虑ajax一张张请求,所以干脆一次性全部把图片out,然 ... [详细]
  • 您的数据库配置是否安全?DBSAT工具助您一臂之力!
    本文探讨了Oracle提供的免费工具DBSAT,该工具能够有效协助用户检测和优化数据库配置的安全性。通过全面的分析和报告,DBSAT帮助用户识别潜在的安全漏洞,并提供针对性的改进建议,确保数据库系统的稳定性和安全性。 ... [详细]
  • 本文详细介绍了使用 Python 进行 MySQL 和 Redis 数据库操作的实战技巧。首先,针对 MySQL 数据库,通过 `pymysql` 模块展示了如何连接和操作数据库,包括建立连接、执行查询和更新等常见操作。接着,文章深入探讨了 Redis 的基本命令和高级功能,如键值存储、列表操作和事务处理。此外,还提供了多个实际案例,帮助读者更好地理解和应用这些技术。 ... [详细]
  • 本文深入解析了Spring Cloud路由网关Zuul的核心功能及其典型应用场景。通过对方志朋老师教材的学习和实践,详细探讨了Zuul在微服务架构中的重要作用,包括请求路由、过滤器链管理以及服务动态扩展等关键特性。同时,结合实际案例,展示了Zuul在高并发和复杂业务场景下的应用优势,为读者提供了全面的技术参考。 ... [详细]
  • 在CentOS上部署和配置FreeSWITCH
    在CentOS系统上部署和配置FreeSWITCH的过程涉及多个步骤。本文详细介绍了从源代码安装FreeSWITCH的方法,包括必要的依赖项安装、编译和配置过程。此外,还提供了常见的配置选项和故障排除技巧,帮助用户顺利完成部署并确保系统的稳定运行。 ... [详细]
  • SSMS 启动故障:错误报告与解决求助 ... [详细]
  • NoSQL数据库,即非关系型数据库,有时也被称作Not Only SQL,是一种区别于传统关系型数据库的管理系统。这类数据库设计用于处理大规模、高并发的数据存储与查询需求,特别适用于需要快速读写大量非结构化或半结构化数据的应用场景。NoSQL数据库通过牺牲部分一致性来换取更高的可扩展性和性能,支持分布式部署,能够有效应对互联网时代的海量数据挑战。 ... [详细]
  • 为何Serverless将成为未来十年的主导技术领域?
    为何Serverless将成为未来十年的主导技术领域? ... [详细]
author-avatar
智慧与财富的拥有者_678
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有