主流流处理框架的区别

流计算：将大规模流动数据在不断变化的运动过程中实现数据的实时分析，捕捉到可能有用的信息，并把结果发送到下一计算节点。
主流流计算框架：Kafka Streaming、Apache Storm、Spark Streaming、Flink DataStream等

• Kafka Streaming:是一套基于Kafka-Streaming库的一套流计算工具jar包，具有简单容易集成等特点。
• Apache Storm/Jstorm:流处理框架实现对流数据的处理和状态管理等操作。
• Spark Streaming:构建在Spark批处理之上的流处理框架，微观批处理，因此诟病 延迟较高。
• Flink DataStream/Blink:属于第三代流计算框架，吸取了Spark和Storm设计经验，在实时性和应用性上以及性能都有很大的提升，是目前为止最强的流计算引擎。

在适用性上来说：

• Kafka的优势在于：Kafka Stream以它的轻量级、容易部署、低延迟等特点在微服务领域相比较 专业的 Storm、spark streaming和Flink 而言有着不可替代的优势
• Storm是一个实时的流处理引擎，能实现对记录的亚秒级的延迟处理
• Spark Streaming是核心Spark API的扩展，可实现实时数据流的可扩展，高吞吐量，容错流处理
• FlinkDataStream 对数据流进行流处理操作，将流式的数据抽象成分布式的数据流，用户可以方便地对分布式数据流进行各种操作，支持Java和Scala。

最后

以上就是鲤鱼丝袜为你收集整理的主流流处理框架之间的区别主流流处理框架的区别的全部内容，希望文章能够帮你解决主流流处理框架之间的区别主流流处理框架的区别所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。