超级会员免费看
本文对比了Apache Flink和Spark的特性，包括抽象、内存管理、语言支持、API、Streaming、SQL界面、数据源集成、迭代处理等方面。Flink在流处理和批处理上采取了不同的实现方式，提供了更灵活的窗口系统和受控循环依赖图，适合需要事件级实时处理的应用。尽管Spark在成熟度和数据源集成上更胜一筹，但Flink的新思想和优化对大数据处理领域产生了影响。
感谢原文作者：http://blog.madhukaraphatak.com/introduction-to-flink-for-spark-developers-flink-vs-spark/
面向Spark开发人员的Apache Flink简介：Flink vs Spark
世界还需要另一个大数据处理系统吗？这是我第一次听说Apache Flink时出现的问题。在大数据领域，我们没有缺乏框架。但我们确实存在可以解决我们所有不同数据处理需求的内聚平台的缺点。Apache spark似乎是城里最好的框架，试图解决这个问题。因此，我对另一个具有类似目标的框架的需求持怀疑态度。
在过去几周里，我出于好奇心开始花一些时间在叮当上。最初，当我查看标准示例时，它们看起来与Spark之一非常相似。所以我开始的印象是它只是另一个模仿火花功能的框架。但是当我花费越来越多的时间时，显而易见的是，这些相同外观的API背后几乎没有新颖的想法，这使得flink与火花脱颖而出。我对这些想法着迷，花了越来越多的时
订阅专栏 解锁全文
扫一扫
2万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
