原创 常用的大数据实时计算框架有哪些？

常用的大数据实时计算框架有哪些？在大数据技术中，有离线计算、批量计算、实时计算以及流式计算，其中，离线计算和实时计算指的是数据处理的延迟;批量计算和流式计算指的是数据处理的方式。

Web应用、网络监控、传感监测、电信金融、生产制造等领域，对数据实时处理的需求不断增强，而Spark中的SparkStreaming实时计算框架就是为了实现对数据实时处理的需求而设计的。在电子商务中，淘宝、京东等网站从用户点击的行为(如加入购物车)和浏览的历史记录中发现用户的购买意图和兴趣，然后通过Sparkstreaming实时计算框架分析处理，为之推荐相关商品，从而有效地提高商品的销售量，同时也增加了用户的满意度，可谓是“一举两得”。

那么什么是大数据实时计算？

传统的数据处理流程(离线计算)，先收集数据，然后将数据存储到数据库中。当需要某些数据时，通过对数据库中的数据做操作得到所需要的数据，再进行其他相关的处理。这样的处理流程会造成结果数据密集，结果数据密集则数据反馈不及时。在实时搜索的应用场景中，需要实时数据做决策，而传统的数据处理并不能很好地解决问题，这就引出了一种新的数据计算实时计算，针对海量数据进行实时计算，无论是在数据采集还是数据处理中都可以达到秒级别的处理要求。

常用的大数据实计算框架：

目前业内已经衍生出许多实时计算数据的框架，如 Apache Spark Streaming、ApacheStorn、Apache Flink以及 Yahoo! S4。

一、Apache Spark Streaming
Apache Spark Streaming即Apache公司免费、开源的实时计算框架。它主要是把输入的数据按时间进行切分，并对切分的数据块进行并行计算处理，处理的速度可以达到秒级别。Netflix公司通过Kaka和SparkStreaming构建了实时引擎，对每天从各种数据源接收到的数十亿数据进行分析，从而完成电影的推荐功能。

二、ApacheStorm
Apache Storm即Twitter公司免费、开源贡献给Apache的一个分布式实时计算系统。它可以简单、高效、可靠地实时处理海量数据，处理数据的速度达到毫秒级别，并可将处理后的结果数据保存到持久化介质中(如数据库、HDFS)。阿里巴巴公司的Jstorm，就是参考ApacheStorn开发的实时计算框架，可以说是Stom的增强版本，在网络IO、线程模型、资源调度、可用性及稳定性上都做了极大的改进供很多企业使用。

三、Apache Flink
Apache Flink即Apache公司开源的计算框架。它不仅可以支持离线处理，还可以支持实时处理。由于离线处理和实时处理所提供的SLA(服务等级协议)是完全不相同的，所以离线处理一般需要支持低延迟的保证，而实时处理则需要支持高吞吐、高效率的处理。

四、Yahoo! S4(Simple Scalable Streaming System)
Yahoo! S4即Yahoo公司开源的实时计算平台，通用的、分布式的、可扩展的，并且还具有容错和可插拔能力，供开发者轻松地处理源源不断产生的数据。