Apache Flink和Apache Spark有什么异同？

Question

Apache Flink和Apache Spark有什么异同？

Answer 1

flink和spark都是apache 软件基金会（ASF）旗下顶级项目，都是通用数据处理平台。它们可以应用在很多的大数据应用和处理环境。两者均可在不依赖于其他环境的情况下运行于standalone模式，或是运行在基于hadoop（YARN,HDFS)之上，由于它们均是运行于内存，所以他们表现的都比hadoop要好很多。

flink和spark的比较

数据处理

flink在批处理模式下处理数据，而Fink实时处理流数据。火花处理数据块，称为RDDS，而FLink可以实时处理行数据之后的行。因此，虽然最小的数据延迟总是在spark上存在，但spark却不是这样。

迭代

spark支持批处理中的数据迭代，但弗林克可以通过使用流式架构来对其数据进行迭代迭代。下面的图像显示了迭代处理是如何发生的。

内存管理

FLink可以自动适应不同的数据集，但spark需要手动优化和调整其作业到单个数据集。spark也进行手动分区和缓存。因此，期待一些延迟处理。

数据流

FLink在需要时能够在数据处理上提供中间结果。spark遵循过程编程系统，FLink遵循分布式数据流方法。因此，每当需要中间结果时，广播变量被用来将预先计算的结果分发给所有的工作者节点。

Answer 2

1、Spark在SQL上的优化，尤其是DataFrame到DataSet其实是借鉴的Flink的。Flink最初一开始对SQL支持得就更好。
2、Spark的cache in memory在Flink中是由框架自己判断的，而不是用户来指定的，因为Flink对数据的处理不像Spark以RDD为单位，就是一种细粒度的处理，对内存的规划更好。
3、Flink原来用Java写确实很难看，现在也在向Spark靠拢，Scala的支持也越来越好。不管怎么说，二者目前都是在相互吸收。