一:题目
Flink和Spark Streaming的区别
二:答案
这个问题是一个非常宏观的问题,因为这两个框架的不同点非常之多。但是在面试时有非常重要的一点一定要答出来:Flink是标准的实时处理引擎,基于事件驱动。而Spark Streaming是微批(Micro-Batch)的模型。
下面我们就分几个方面介绍两个框架的主要区别:
(1)架构模型:Spark Streaming在运行时的主要角色包括:Master、Worker、Driver、Executor,Flink在运行时主要包含:JobManager、TaskManager、ResourceManeger、Dispatcher和Slot
(2)任务调度:Spark Streaming连续不断的生成微小的数据批次,构建有向无环图DAG,SparkStreaming会依次创建DStreamGraph、JobGenerator、JobScheduler。Flink根据用户提交的代码生成StreamGraph,经过优化生成JobGraph,然后提交给JobManager进行处理,JobManager会根据JobGraph生成ExecutionGraph,ExecutionGraph是Flink调度最核心的数据结构,JobManager根据ExecutionGraph对Job进行调度。
(3)时间机制:SparkStreaming支持的时间机制有限,只支持处理时间。Flink支持了流处理程序在时间上的三个定义:处理时间、事件时间、注入时间。同时也支持watermark机制来处理滞后数据。
(4)容错机制对于SparkStreaming任务,我们可以设置CheckPoint,然后假如发生故障并重启,我们可以从上次CheckPoint之处恢复,但是这个行为只能使得数据不丢失,可能会重复处理,不能做到恰好一次处理语义。Flink则使用两阶段提交协议来解决这个问题。