流式计算的代表:Storm、Flink、Spark Streaming
生活随笔
收集整理的這篇文章主要介紹了
流式计算的代表:Storm、Flink、Spark Streaming
小編覺得挺不錯(cuò)的,現(xiàn)在分享給大家,幫大家做個(gè)參考.
learn from 從0開始學(xué)大數(shù)據(jù)(極客時(shí)間)
文章目錄
- 1. Storm
- 2. Spark Streaming
- 3. Flink
- 對(duì)存儲(chǔ)在磁盤上的數(shù)據(jù)進(jìn)行大規(guī)模計(jì)算處理,大數(shù)據(jù)批處理
- 對(duì)實(shí)時(shí)產(chǎn)生的大規(guī)模數(shù)據(jù)進(jìn)行處理,大數(shù)據(jù)流計(jì)算
1. Storm
一些系統(tǒng) 業(yè)務(wù)邏輯 和 數(shù)據(jù)處理邏輯 混合,系統(tǒng)不能復(fù)用到其他需求上
Storm 中,只需要編程開發(fā)好 數(shù)據(jù)處理邏輯 和 數(shù)據(jù)源邏輯,處理好拓?fù)潢P(guān)系
2. Spark Streaming
Spark Streaming 巧妙地利用了 Spark 的分片和快速計(jì)算的特性,將實(shí)時(shí)傳輸進(jìn)來的數(shù)據(jù)按照時(shí)間進(jìn)行分段,把一段時(shí)間傳輸進(jìn)來的數(shù)據(jù)合并在一起,當(dāng)作一批數(shù)據(jù),再去交給 Spark 去處理。
Spark Streaming 主要負(fù)責(zé) 將流數(shù)據(jù)轉(zhuǎn)換成小的批數(shù)據(jù),剩下的交給 Spark 去做
3. Flink
- 既可以 流處理,也可以 批處理
- 初始化相應(yīng)的執(zhí)行環(huán)境
- 在數(shù)據(jù)流或數(shù)據(jù)集上執(zhí)行數(shù)據(jù)轉(zhuǎn)換操作
- 流計(jì)算就是將 大規(guī)模實(shí)時(shí)計(jì)算的 資源管理 和 數(shù)據(jù)流轉(zhuǎn) 都統(tǒng)一管理起來
- 開發(fā)者只要開發(fā) 針對(duì)小數(shù)據(jù)量的 數(shù)據(jù)處理邏輯,然后部署到 流計(jì)算平臺(tái)上,就可以對(duì) 大規(guī)模數(shù)據(jù) 進(jìn)行 流式計(jì)算了
總結(jié)
以上是生活随笔為你收集整理的流式计算的代表:Storm、Flink、Spark Streaming的全部?jī)?nèi)容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: LeetCode 2177. 找到和为给
- 下一篇: LeetCode 1829. 每个查询的