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
  • 函子(Functor)是函数式编程中的一个重要概念,它不仅是一个特殊的容器,还提供了一种优雅的方式来处理值和函数。本文将详细介绍函子的基本概念及其在函数式编程中的应用,包括如何通过函子控制副作用、处理异常以及进行异步操作。 ... [详细]
  • Java虚拟机及其发展历程
    Java虚拟机(JVM)是每个Java开发者日常工作中不可或缺的一部分,但其背后的运作机制却往往显得神秘莫测。本文将探讨Java及其虚拟机的发展历程,帮助读者深入了解这一关键技术。 ... [详细]
  • 长期从事ABAP开发工作的专业人士,在面对行业新趋势时,往往需要重新审视自己的发展方向。本文探讨了几位资深专家对ABAP未来走向的看法,以及开发者应如何调整技能以适应新的技术环境。 ... [详细]
  • 流处理中的计数挑战与解决方案
    本文探讨了在流处理中进行计数的各种技术和挑战,并基于作者在2016年圣何塞举行的Hadoop World大会上的演讲进行了深入分析。文章不仅介绍了传统批处理和Lambda架构的局限性,还详细探讨了流处理架构的优势及其在现代大数据应用中的重要作用。 ... [详细]
  • 本文基于Java官方文档进行了适当修改,旨在介绍如何实现一个能够同时处理多个客户端请求的服务端程序。在前文中,我们探讨了单客户端访问的服务端实现,而本篇将深入讲解多客户端环境下的服务端设计与实现。 ... [详细]
  • Python3爬虫入门:pyspider的基本使用[python爬虫入门]
    Python学习网有大量免费的Python入门教程,欢迎大家来学习。本文主要通过爬取去哪儿网的旅游攻略来给大家介绍pyspid ... [详细]
  • Hibernate全自动全映射ORM框架,旨在消除sql,是一个持久层的ORM框架1)、基础概念DAO(DataAccessorOb ... [详细]
  • 本文探讨了如何在 Spring MVC 框架下,通过自定义注解和拦截器机制来实现细粒度的权限管理功能。 ... [详细]
  • 本文探讨了如何在PHP与MySQL环境中实现高效的分页查询,包括基本的分页实现、性能优化技巧以及高级的分页策略。 ... [详细]
  • 本文介绍了如何通过命令行有效地终止所有 Node.js 进程实例,以解决因端口冲突或其他服务冲突导致的问题。 ... [详细]
  • OBS Studio自动化实践:利用脚本批量生成录制场景
    本文探讨了如何利用OBS Studio进行高效录屏,并通过脚本实现场景的自动生成。适合对自动化办公感兴趣的读者。 ... [详细]
  • 入门指南:使用FastRPC技术连接Qualcomm Hexagon DSP
    本文旨在为初学者提供关于如何使用FastRPC技术连接Qualcomm Hexagon DSP的基础知识。FastRPC技术允许开发者在本地客户端实现远程调用,从而简化Hexagon DSP的开发和调试过程。 ... [详细]
  • 本文介绍如何通过整合SparkSQL与Hive来构建高效的用户画像环境,提高数据处理速度和查询效率。 ... [详细]
  • Centos7 Tomcat9 安装笔记
    centos7,tom ... [详细]
  • 本文详细介绍了 Spark 中的弹性分布式数据集(RDD)及其常见的操作方法,包括 union、intersection、cartesian、subtract、join、cogroup 等转换操作,以及 count、collect、reduce、take、foreach、first、saveAsTextFile 等行动操作。 ... [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