flinkApache Flink现在在大数据处理方面能够和Apache Spark分庭抗礼么

{dede:flink 判断多少条后换行

1. dede:flink 是调用网站的友情链接 2. dedecms的标签只是调用数据，不会输出样式，当然也就不会自动换行了 3. 其实不用什么判断语句，只需要写好css样式就可以了 4. 例如div层定义宽度为1000px，高度为自动auto 5. 那么当友链超过宽度后就会自动换行了哦 6. dedecms模板可以到网站网址duosucai 参考寻求帮助 7. 提示：最好给友链定义? ?line-height: 高度。

8. 也就是说给定义行高，这样换行后就可以更加美观哦 多素材织梦模板 为您解答 望采纳

Apache Flink和Apache Spark有什么异同？它们的发展前景分别怎样

flink是一个类似spark的“开源技术栈”，因为它也提供了批处理，流式计算，图计算，交互式查询，机器学习等。

　　flink 也是内存计算，比较类似spark，但是不一样的是，spark的计算模型基于RDD，将流式计算看成是特殊的批处理，他的DStream其实还是 RDD。

而flink吧批处理当成是特殊的流式计算，但是批处理和流式计算的层的引擎是两个，抽象了DataSet和DataStream。

　　flink在性能上也标新很好，流式计算延迟比spark少，能做到真正的流式计算，而spark只能是准流式计算。

而且在批处理上，当迭代次数变多，flink的速度比spark还要快，所以如果flink早一点出来，或许比现在的Spark更火。

Apache Flink现在在大数据处理方面能够和Apache Spark分庭抗礼么

我们是否还需要另外一个新的数据处理引擎？当我第一次听到flink的时候这是我是非常怀疑的。

在大数据领域，现在已经不缺少数据处理框架了，但是没有一个框架能够完全满足不同的处理需求。

自从Apache spark出现后，貌似已经成为当今把大部分的问题解决得最好的框架了，所以我对另外一款解决类似问题的框架持有很强烈的怀疑态度。

不过因为好奇，我花费了数个星期在尝试了解flink。

一开始仔细看了flink的几个例子，感觉和spark非常类似，心理就倾向于认为flink又是一个模仿spark的框架。

但是随着了解的深入，这些API体现了一些flink的新奇的思路，这些思路还是和spark有着比较明显的区别的。

我对这些思路有些着迷了，所以花费了更多的时间在这上面。

flink中的很多思路，例如内存管理，dataset API都已经出现在spark中并且已经证明 这些思路是非常靠谱的。

所以，深入了解flink也许可以帮助我们分布式数据处理的未来之路是怎样的 在后面的文章里，我会把自己作为一个spark开发者对flink的第一感受写出来。

因为我已经在spark上干了2年多了，但是只在flink上接触了2到3周，所以必然存在一些bias，所以大家也带着怀疑和批判的角度来看这篇文章吧。

Apache Flink是什么 flink是一款新的大数据处理引擎，目标是统一不同来源的数据处理。

这个目标看起来和spark和类似。

没错，flink也在尝试解决spark在解决的问题。

这两套系统都在尝试建立一个统一的平台可以运行批量，流式，交互式，图处理，机器学习等应用。

所以，flink和spark的目标差别并不大，他们最主要的区别在于实现的细节。

后面我会重点从不同的角度对比这两者。

Apache Spark vs Apache Flink 1.抽象 Abstraction spark中，对于批处理我们有RDD,对于流式，我们有DStream，不过内部实际还是RDD.所以所有的数据表示本质上还是RDD抽象。

后面我会重点从不同的角度对比这两者。

在flink中，对于批处理有DataSet，对于流式我们有DataStreams。

看起来和spark类似，他们的不同点在于： 一）DataSet在运行时是表现为运行计划(runtime plans)的 在spark中，RDD在运行时是表现为java objects的。

通过引入Tungsten，这块有了些许的改变。

但是在flink中是被表现为logical plan(逻辑计划)的，听起来很熟悉？没错，就是类似于spark中的dataframes。

所以在flink中你使用的类Dataframe api是被作为第一优先级来优化的。

但是相对来说在spark RDD中就没有了这块的优化了。

flink中的Dataset，对标spark中的Dataframe，在运行前会经过优化。

在spark 1.6，dataset API已经被引入spark了，也许最终会取代RDD 抽象。

二）Dataset和DataStream是独立的API 在spark中，所有不同的API，例如DStream，Dataframe都是基于RDD抽象的。

但是在flink中，Dataset和DataStream是同一个公用的引擎之上两个独立的抽象。

所以你不能把这两者的行为合并在一起操作，当然，flink社区目前在朝这个方向努力(/jira/browse/FLINK-2320)，但是目前还不能轻易断言最后的结果。

2.内存管理 一直到1.5版本，spark都是试用java的内存管理来做数据缓存，明显很容易导致OOM或者gc。

所以从1.5开始，spark开始转向精确的控制内存的使用，这就是tungsten项目了 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，还直接操作二进制数据。

在spark中，从1.5开始，所有的dataframe操作都是直接作用在tungsten的二进制数据上。

3.语言实现 spark是用scala来实现的，它提供了Java，Python和R的编程接口。

flink是java实现的，当然同样提供了Scala API 所以从语言的角度来看，spark要更丰富一些。

因为我已经转移到scala很久了，所以不太清楚这两者的java api实现情况。

4.API spark和flink都在模仿scala的collection API.所以从表面看起来，两者都很类似。

下面是分别用RDD和DataSet API实现的word count // Spark wordcount object WordCount { def main(args: Array[String]) { val env = new SparkContext("local","wordCount") val data = List("hi","how are you","hi") val dataSet = env.parallelize(data) val words = dataSet.flatMap(value => value.split("\s+")) val mappedWords = words.map(value => (value,1)) val sum = mappedWords.reduceByKey(_+_) println(sum.collect()) } } // Flink wordcount object WordCount { def main(args: Array[String]) { val env = ExecutionEnvironment.getExecutionEnvironment val data = List("hi","how are you","hi") val dataSet = env.fromCollection(data) val words = dataSet.flatMap(value => value.split("\s+")) val mappedWords = words.map(value => (value,1)) val grouped = mappedWords.groupBy(0) val sum = grouped.sum(1) println(sum.collect()) } } 不知道是偶然还是故意的，API都长得很像，这样很方便开发者从一个引擎切换到另外一个引擎。

我感觉以后这种Collection API会成为写data pipeline的标配。

Steaming spark把streaming看成是更快的批处理，而flink把批处理看成streaming的special case。

这里面的思路决定了各自的方向，其中两者的差异点有如下这些： 实时 vs 近实时的角度 flink提供了基于每个事件的流式处理机制，所以可以被认为是一个真正的流式计算。

它非常像storm的model。

而spark，不是基于事件的粒度，而是用小批量来模拟流式，也就是多个事件的集合。

所以spark被认为是近实时的处理系统。

Spark streaming 是更快的批处理，而Flink Batch是有限数据的流式计算。

虽然大部分应用对准实时是可以接受的，但是也还是有很多应用需要event level的流式计算。

这些应用更愿意选择storm而非spark streaming，现在，flink也许是一个更好的选择。

流式计算和批处理计算的表示 spark对于批处理和流式计算，都是用的相同的抽象：RDD，这样很方便这两种计算合并起来表示。

而flink这两者分为了DataSet和DataStream，相比spark，这个设计算是一个糟糕的设计。

对 windowing 的支持 因为spark的小批量机制，spark对于windowing的支持非常有限。

只能基于process time，且只能对batches来做window。

而Flink对window的支持非常到位，且Flink对windowing API的支持是相当给力的，允许基于process time,data time,record 来做windowing。

我不太确定spark是否能引入这些API，不过到目前为止，Flink的windowing支持是要比spark好的。

Steaming这部分flink胜 SQL interface 目前spark-sql是spark里面最活跃的组件之一，Spark提供了类似Hive的sql和Dataframe这种DSL来查询结构化数据，API很成熟，在流式计算中使用很广，预计在流式计算中也会发展得很快。

至于flink，到目前为止，Flink Table API只支持类似DataFrame这种DSL，并且还是处于beta状态，社区有计划增加SQL 的interface，但是目前还不确定什么时候才能在框架中用上。

所以这个部分，spark胜出。

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

这一场spark胜 Iterative processing spark对机器学习的支持较好，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，但是在spark中，实际是用无环图来表示的，一般的分布式处理引擎都是不鼓励试用有环图的。

但是flink这里又有点不一样，flink支持在runtime中的有环数据流，这样表示机器学习算法更有效而且更有效率。

这一点flink胜出。

Stream as platform vs Batch as Platform Spark诞生在Map/Reduce的时代，数据都是以文件的形式保存在磁盘中，这样非常方便做容错处理。

Flink把纯流式数据计算引入大数据时代，无疑给业界带来了一股清新的空气。

这个idea非常类似akka-streams这种。

成熟度 目前的确有一部分吃螃蟹的用户已经在生产环境中使用flink了，不过从我的眼光来看，Flink还在发展中，还需要时间来成熟。

结论 目前Spark相比Flink是一个更为成熟的计算框架，但是Flink的很多思路很不错，Spark社区也意识到了这一点，并且逐渐在采用Flink中的好的设计思路，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。