大数据流式处理框架Flink介绍

1、Flink的介绍        

随着数据的飞速发展，出现了很多热门的开源社区，比如：hadoop、spark、storm社区，他们都有各自专注的适用场景，比如hadoop主要是做数据的存储及批处理计算，spark既可以做批处理也可以做准实时计算，同时也支持机器学习和图计算，storm主要专注于实时计算。

        在国外一些开源社区将flink分为四代：

hadoop：

主要是做批处理的，分为Map阶段和reduce阶段，如果业务非常复杂，会有多个map阶段和reduce阶段，因为两个阶段都有输入和输出，所以需要根据业务进行拆分阶段，同时mr的计算依赖的是io，所以性能比较低

 使用DAG（Tez）+MR

通过引入DAG框架，将多个mr阶段串联到一起去执行，类似于我们之前学习的Oozie框架，因为使用的是第三方的DAG框架，相对于第一代来说，性能有了提高

 Spark

spark可以做批计算、流计算、以及sql支持

spark自带了DAG，同时是基于内存的迭代计算，因此性能有了非常大的提高

问题？

为什么在企业中很多公司依然使用Mr进行离线计算？

主要是Mr的稳定性要远远的大于Spark，因为Mr是基于i