我們知道，大數據的計算模式主要分為批量計算(batch computing)、流式計算(stream computing)、交互計算(interactive computing)、圖計算(graph computing)等。其中，流式計算和批量計算是兩種主要的大數據計算模式，分別適用于不同的大數據應用場景。

目前主流的流式計算框架有Storm、Spark Streaming、Flink三種，其基本原理如下：

Apache Storm

在Storm中，需要先設計一個實時計算結構，我們稱之為拓撲(topology)。之后，這個拓撲結構會被提交給集群，其中主節點(master node)負責給工作節點(worker node)分配代碼，工作節點負責執行代碼。在一個拓撲結構中，包含spout和bolt兩種角色。數據在spouts之間傳遞，這些spouts將數據流以tuple元組的形式發送；而bolt則負責轉換數據流。

Apache Spark

Spark Streaming，即核心Spark API的擴展，不像Storm那樣一次處理一個數據流。相反，它在處理數據流之前，會按照時間間隔對數據流進行分段切分。Spark針對連續數據流的抽象，我們稱為DStream(Discretized Stream)。 DStream是小批處理的RDD(彈性分布式數據集)， RDD則是分布式數據集，可以通過任意函數和滑動數據窗口(窗口計算)進行轉換，實現并行操作。

Apache Flink

針對流數據+批數據的計算框架。把批數據看作流數據的一種特例，延遲性較低(毫秒級)，且能夠保證消息傳輸不丟失不重復。

Flink創造性地統一了流處理和批處理，作為流處理看待時輸入數據流是無界的，而批處理被作為一種特殊的流處理，只是它的輸入數據流被定義為有界的。Flink程序由Stream和Transformation這兩個基本構建塊組成，其中Stream是一個中間結果數據，而Transformation是一個操作，它對一個或多個輸入Stream進行計算處理，輸出一個或多個結果Stream。

這三種計算框架的對比如下：

參考文章：

相關閱讀：

推薦系統相關術語知多少

如欲了解更多，歡迎搜索并關注先薦小助手微信號(recsysfc)。

本賬號為第四范式智能推薦產品先薦的官方賬號。賬號立足于計算機領域，特別是人工智能相關的前沿研究，旨在把更多與人工智能相關的知識分享給公眾，從專業的角度促進公眾對人工智能的理解；同時也希望為人工智能相關人員提供一個討論、交流、學習的開放平臺，從而早日讓每個人都享受到人工智能創造的價值。先薦_智能推薦系統_個性化推薦專家?www.tuijianxitong.cn