转载

Apache的流处理技术概述

对于流数据的处理存在很多技术：简单的事件处理器，流处理器和复杂的事件处理器。即使在开源社区中，也存在很多扑朔迷离的选择，其中很多的差异并没有被很好的记载，也不容易发现。这就是为什么我决定写这篇Apache流技术概述的文章的原因，包括 Flume ， NiFi ， Apex ， Kafka流， Spark流， Storm ， Flink ， Samza ， Ignite 和 Beam 。

(点击放大图像)

Apache的流处理技术概述

我原来写过很多篇幅很大的博客，并很受欢迎，但今天我打算破例一次。事不宜迟，马上开始这篇概述吧（点击查看全屏图片）：

Flume和NiFi确切地属于数据收集（DC）和单事件处理器（SEP），而其它的是多事件流处理器（ESP）引擎或复杂的事件处理器（CEP）。显然，Spark本身和Ignite确切来说不仅仅是流处理器，但我还是在这里把它们列出来，因为它们提供流媒体功能。Apex也是同样的情况，这是一个统一批次和流数据的平台，它应该是介于一个数据收集引擎、一个基本ETL工具与一个事件流处理器之间。

在撰写本文时，Kafka流还没有正式发布。它有望在2016年4月发布，即将发布的是0.10版本。带有“back-pressure”的一行中标注“N/A”表示没有“back-pressure”，因为队列由Kafka管理，本身仅仅受限于可用的磁盘空间。毕竟，Kafka允许消息闲置重播。

Kafka流的预览当前可获得。Kafka流是一个Kafka 的Java库，是最初由LinkedIn开发的消息传递系统。Kafka目前在LinkedIn、Netflix和Spotify中被广泛应用。

自动扩展有时也被称为弹性扩展，动态扩展，动态的（资源）分配和动态工作重平衡。注意，自动扩展并不等同于一个负载平衡器。一个负载平衡器是“简单地”对工作量进行分配，但是当工作负荷相对cluster来说变得太大，或者可用资源超过需求的时候，负载平衡器不会扩张或收缩。

in-flight修改表示在流动当中修改数据的能力，即没有任何停机或应用程序重新提交的情况。有时也被称为零停机扩容，和即席或动态应用程序修改。对于in-flight修改， Spooker 是一个值得多看一眼的项目。

为了平衡起见，我不得不提，在CEP市场上当然还有许多其他选择，例如： Software AG的Apama ，微软的StreamInsight ， Oracle事件处理， SAP ESP ， Tibco的BusinessEvents ＆ Streambase 。它们列出时并没有按具体的顺序！另外还有 Esper ，其中有一个可获取的开源版本，是GNU GPL许可的。

表中的信息已经从官方项目页面中被编辑，通过挖掘源代码，主要有下列来源：