spark與storm比對與選型

大資料實時處理平台市場上產品眾多，本文著重討論spark與storm的比對，最後結合適用場景進行選型。

一、spark與storm的比較

比較點storm

spark streaming

實時計算模型

純實時，來一條資料，處理一條資料

準實時，對乙個時間段內的資料收集起來，作為乙個rdd，再處理

實時計算延遲度

毫秒級秒級

吞吐量低

高事務機制

支援完善

支援，但不夠完善

健壯性 / 容錯性

zookeeper，acker，非常強

checkpoint，wal，一般

動態調整並行度

支援不支援

二、spark streaming與storm的應用場景 

適用storm的場景：

1、需要純實時，不能忍受1秒以上延遲的場景下使用，比如實時金融系統，要求純實時進行金融交易和分析

2、對於實時計算的功能中，要求可靠的事務機制和可靠性機制，即資料的處理完全精準，一條也不能多，一條也不能少，也可以考慮使用storm

3、若還需要針對高峰低峰時間段，動態調整實時計算程式的並行度，以最大限度利用集群資源（通常是在小型公司，集群資源緊張的情況），也可以考慮用storm

4、如果乙個大資料應用系統，它就是純粹的實時計算，不需要在中間執行sql互動式查詢、複雜的transformation運算元等，那麼用storm是比較好的選擇

適用spark streaming的場景：

1、如果對上述適用於storm的三點，一條都不滿足的實時場景，即：不要求純實時，不要求強大可靠的事務機制，不要求動態調整並行度，那麼可以考慮使用spark streaming

2、考慮使用spark streaming最主要的乙個因素，應該是針對整個專案進行巨集觀的考慮，即：如果乙個專案除了實時計算之外，還包括了離線批處理、互動式查詢等業務功能，而且實時計算中，可能還會牽扯到高延遲批處理、互動式查詢等功能，那麼就應該首選spark生態，用spark core開發離線批處理，用spark sql開發互動式查詢，用spark streaming開發實時計算，三者可以無縫整合，給系統提供非常高的可擴充套件性 spark streaming與storm的優劣分析事實上，spark streaming絕對談不上比storm優秀。

總之，這兩個框架在實時計算領域都很優秀，只是擅長的細分場景並不相同。spark streaming僅僅在吞吐量上比storm要優秀，而吞吐量這一點，也是歷來挺spark streaming貶storm的人著重強調的。但是問題是，是不是在所有的實時計算場景下，都那麼注重吞吐量？不盡然。因此，通過吞吐量說spark streaming強於storm，不靠譜。事實上，storm在實時延遲度上，比spark streaming就好多了，前者是純實時，後者是準實時。而且，storm的事務機制、健壯性 / 容錯性、動態調整並行度等特性，都要比spark streaming更加優秀。spark streaming，有一點是storm絕對比不上的，就是：它位於spark生態技術棧中，因此spark streaming可以和spark core、spark sql無縫整合，也就意味著，我們可以對實時處理出來的中間資料，立即在程式中無縫進行延遲批處理、互動式查詢等操作。這個特點大大增強了spark streaming的優勢和功能。

spark與storm比對與選型

大資料實時處理平台市場上產品眾多，本文著重討論spark與storm的比對，最後結合適用場景進行選型。一 spark與storm的比較 比較點storm spark streaming 實時計算模型 純實時，來一條資料，處理一條資料 準實時，對乙個時間段內的資料收集起來，作為乙個rdd，再處理 實時...

spark與storm的對比

對比點 storm spark streaming 實時計算模型 純實時，來一條資料，處理一條資料 準實時，對乙個時間段內的資料收集起來，作為乙個rdd，再處理 實時計算延遲度 毫秒級 秒級 吞吐量 低 高 事務機制 支援完善 支援，但不夠完善 健壯性 容錯性 zookeeper，acker，非常強...

spark與storm的對比

對比點 storm spark streaming 實時計算模型 純實時，來一條資料，處理一條資料 準實時，對乙個時間段內的資料收集起來，作為乙個rdd，再處理 實時計算延遲度 毫秒級 秒級 吞吐量 低 高事務機制 支援完善 支援，但不夠完善 健壯性 容錯性 zookeeper，acker，非常強 ...