排名前6位的最流行的大数据框架，你在用哪一款？

 

 

介绍大数据框架

市场上有许多可用的框架。其中一些更受欢迎，例如Spark，Hadoop，Hive和Storm。Presto在效用指数上得分很高，而Flink具有巨大的潜力。另外还有一些需要提及的其他内容，例如Samza，Impala，Apache Pig等。在这里，我们将讨论其中的一些。

---

1. Apache Hadoop

 

Hadoop是基于Java的平台。这是一个开放源代码框架，可跨集群排列的一组硬件机器提供批处理数据处理和数据存储服务。Hadoop同样适用于可靠，可扩展和分布式的计算。但是，它也可以用作通用文件存储。它可以存储和处理PB的信息。Hadoop由三个主要组件组成。

1. HDFS文件系统-负责Hadoop集群中的数据存储；
2. MapReduce系统-用于处理集群中的大量数据；
3. YARN-它是处理资源管理的核心。

• 优点

它提供了经济高效的解决方案，高吞吐量，多语言支持以及与大数据服务中大多数新兴技术的兼容性。还通过出色的故障处理机制支持高可伸缩性，容错能力，更适合研发，高可用性。

• 缺点

它包含安全漏洞的漏洞，不执行内存中的计算，因此会遭受处理开销，不适用于流处理和实时处理，这是处理大量小文件的问题。

像Amazon，Adobe，AOL，阿里巴巴，EBay和Facebook这样的组织也使用Hadoop。

---

2. Apache Spark

 

Spark框架由加利福尼亚大学伯克利分校成立。它是具有改进的数据流处理的批处理框架。借助完整的内存计算以及处理优化，它保证了极其快速的集群计算系统。

Spark框架由五层组成。

• HDFS和HBASE：它们构成了数据存储系统的第一层。
• YARN和Mesos：它们形成资源管理层。
• 核心引擎：这形成了第三层。
• 库：构成第四层，其中包含用于流查询处理时的SQL查询的Spark SQL，用于处理图形数据的GraphX和Spark R实用程序以及用于机器学习算法的MLlib。
• 第五层包含一个应用程序接口，例如Java或Scala。

Spark可以作为独立的集群与功能强大的存储层一起使用，也可以与Hadoop进行一致的集成。它也支持一些流行的语言，例如Python，R，Java和Scala。

• 优点

1. 速度
2. 使用方便
3. 进阶分析
4. 自然动态
5. 多种语言
6. Apache Spark功能强大
7. 增加对大数据的访问
8. 对Spark开发人员的需求
9. 开源社区

• 缺点

Spark带来了一些弊端，例如设置和实现的复杂性，语言支持限制，而不是真正的流引擎。

---

3.Apache Storm

 

Apache Storm是另一个引人注目的解决方案，专注于处理巨大的实时数据流。Storm的主要亮点是可伸缩性和停机后的迅速恢复能力。您可以在Java，Python，Ruby和Fancy的帮助下使用此解决方案。Storm包含一些使其在本质上与模拟产品不同的组件。第一个是Tuple，它是支持序列化的关键数据表示元素。然后是Stream，它在Tuple中合并了命名字段的方案。Spout从外部源获取数据，从它们中形成元组，然后将它们发送到Stream。另外还有Bolt（数据处理器）和Topology（拓扑），这是一整套元素及其相关描述。将所有这些元素组合在一起，可以帮助工程师监督大量的非结构化数据流。

谈到性能，Storm提供了比Flink和Spark更好的延迟。尽管如此，它的吞吐量却更糟。最近，Twitter移至另一个框架Heron。Yelp，Yahoo !、阿里巴巴等大型组织尚未利用Storm。到2020年，它将拥有庞大的客户群和支持。

---

4. Apache Flink

 

Apache Flink是一个开源框架，同样适用于批处理和流数据处理。它最适合于集群环境。该框架基于转换–流概念。它也是大数据的4G。它比Hadoop – Map Reduce快100倍。

Flink框架由多层组成-

• 部署层
• 运行层
• 图书馆层

• 优点

低延迟，高吞吐量，容错，逐项输入，批处理轻松以及流数据处理，与Hadoop的兼容性。

• 缺点

很少有可伸缩性问题。

---

5. Presto

 

Presto是最适合较小数据集的开源分布式SQL工具。Presto配备了协调员以及各种工人。当客户提交查询时，将对这些查询进行解析，分析，计划执行并分配给协调员在工作人员之间进行处理。

优点

1. 即使并发查询工作量增加，查询降级最少。
2. 它的查询执行速度比Hive快三倍。
3. 易于添加图像和嵌入链接。
4. 高度用户友好。

缺点

1. 可靠性问题

---

6. Samza

 

Apache Samza是有状态的流，准备与Kafka共同开发的大数据系统。Kafka提供数据服务，缓冲和容错能力。两者结合起来被提议用于需要快速单级处理的地方。使用Kafka，可以以低延迟使用它。Samza还在处理过程中保存了局部状态，从而提供了更多的容错能力。它是为Kappa体系结构设计的，但可以在其他体系结构中使用。Samza使用YARN来安排资源。因此，它需要一个Hadoop集群才能工作，这意味着您可以依赖YARN提供的亮点。这个大数据处理框架是为Linkedin开发的，也被eBay和TripAdvisor使用，以进行欺诈发现。Kafka利用了相当一部分代码来创建竞争的数据处理框架Kafka流。

---

结论

没有一个最适合所有业务需求的框架。但是，以某些框架为特色，Storm似乎最适合流式传输，而Spark是批处理的赢家。对于每个组织或企业，自己的数据都是最重要的。将资源投入大数据结构包括支出。许多框架都是可自由访问的，而有些框架则需要付费。视项目需求而定，可提供初步版本。对于适当的选择，请了解业务目标。您可以在较小规模的项目上尝试使用该框架，以更精确地了解其功能。投资于正确的框架可以使企业成功。