两款高性能并行计算引擎Storm和Spark比较
来源:互联网 发布:java学生管理系统报告 编辑:程序博客网 时间:2024/06/05 04:28
对Spark、Storm以及Spark Streaming引擎的简明扼要、深入浅出的比较。
Spark基于这样的理念,当数据庞大时,把计算过程传递给数据要比把数据传递给计算过程要更富效率。每个节点存储(或缓存)它的数据集,然后任务被提交给节点。
所以这是把过程传递给数据。这和Hadoop map/reduce非常相似,除了积极使用内存来避免I/O操作,以使得迭代算法(前一步计算输出是下一步计算的输入)性能更高。
Shark只是一个基于Spark的查询引擎(支持ad-hoc临时性的分析查询)
而Storm的架构和Spark截然相反。Storm是一个分布式流计算引擎。每个节点实现一个基本的计算过程,而数据项在互相连接的网络节点中流进流出。和Spark相反,这个是把数据传递给过程。
两个框架都用于处理大量数据的并行计算。
Storm在动态处理大量生成的“小数据块”上要更好(比如在Twitter数据流上实时计算一些汇聚功能或分析)。
Spark工作于现有的数据全集(如Hadoop数据)已经被导入Spark集群,Spark基于in-memory管理可以进行快讯扫描,并最小化迭代算法的全局I/O操作。
不过Spark流模块(Streaming Module)倒是和Storm相类似(都是流计算引擎),尽管并非完全一样。
Spark流模块先汇聚批量数据然后进行数据块分发(视作不可变数据进行处理),而Storm是只要接收到数据就实时处理并分发。
不确定哪种方式在数据吞吐量上要具优势,不过Storm计算时间延迟要小。
总结下,Spark和Storm设计相反,而Spark Steaming才和Storm类似,前者有数据平滑窗口(sliding window),而后者需要自己去维护这个窗口。
- 两款高性能并行计算引擎Storm和Spark比较
- 两款高性能并行计算引擎Storm和Spark比较
- 两款高性能并行计算引擎Storm和Spark比较
- 两款高性能并行计算引擎Storm和Spark比较
- 两款高性能并行计算引擎Storm和Spark比较
- 两款高性能并行计算引擎Storm和Spark比较
- 两款高性能并行计算引擎Storm和Spark比较
- 两款高性能并行计算引擎Storm和Spark比较
- 两款高性能并行计算引擎Storm和Spark简单比较
- 高性能并行计算引擎Storm和Spark比较
- storm和spark的比较
- Storm和Spark Streaiming的比较
- hadoop、storm和spark的区别、比较
- hadoop、storm和spark的区别、比较
- hadoop、storm和spark的区别、比较
- hadoop、storm和spark的区别、比较
- Hadoop、storm和Spark的区别、比较
- hadoop、storm和spark的区别、比较
- 计算机网络知识点
- CS硕士妹子找工作经历【阿里人搜等互联网公司】
- Appium 环境安装 MAC,ruby版
- 软件开发培训日记7_21
- iOS 获取手机 唯一标识
- 两款高性能并行计算引擎Storm和Spark比较
- unicode下各种类型转换,CString,string,char*,int,char[]
- Linux kernel 分析之三:加电BIOS启动
- 下拉选择------PopupWindow
- Xadmin文档(一)
- android开发-控件和监听
- 编译驱动---指定编译器
- UIStoryboardSegue中如何用segue进行传值
- 计算机网络习题辅导