Storm與Flink的比較
阿新 • • 發佈：2018-11-25
Storm與Flink的比較
| 比較項 | Storm | Flink |
|---|---|---|
| 狀態管理 | 無狀態，需使用者自行進行狀態管理 | 有狀態 |
| 視窗支援 | 對事件視窗支援較弱，快取整個視窗的所有資料，視窗結束時一起計算 | 視窗支援較為完善，自帶一些視窗聚合方法，並且會自動管理視窗狀態。 |
| 訊息投遞 | At Most Once At Least Once | At Most Once At Least Once Exactly Once |
| 容錯方式 | ACK機制 ：對每個訊息進行全鏈路跟蹤，失敗或超時進行重發。 | 檢查點機制 ：通過分散式一致性快照機制，對資料流和運算元狀態進行儲存。在發生錯誤時，使系統能夠進行回滾。 |
| 應用現狀 | 在美團點評實時計算業務中已有較為成熟的運用，有管理平臺、常用 API 和相應的文件，大量實時作業基於 Storm 構建。 | 在美團點評實時計算業務中已有一定應用，但是管理平臺、API 及文件等仍需進一步完善。 |
單執行緒的吞吐量
（圖片參考來自美團技術團隊）
- 上圖中藍色柱形為單執行緒 Storm 作業的吞吐，橙色柱形為單執行緒 Flink 作業的吞吐。
- Identity 邏輯下，Storm 單執行緒吞吐為 8.7 萬條/秒，Flink 單執行緒吞吐可達 35 萬條/秒。
- 當 Kafka Data 的 Partition 數為 1 時，Flink 的吞吐約為 Storm 的 3.2 倍；當其 Partition 數為 8 時，Flink 的吞吐約為 Storm 的 4.6 倍。
- 由此可以看出，Flink 吞吐約為 Storm 的 3-5 倍。