什么是Spark Streaming, 为什么要学Spark Streaming, Spark Streaming和Strom有什么区别 27

1. 什么是Spark Streaming

• Spark Streaming类似于Apache Strom, 用于流式数据的处理.
• 根据其官网解释, Spark Streaming有着高吞吐量和高容错的特点.
• Spark Streaming支持的数据源有很多, 例如:Kafka, Flume, Twitter, ZeroMQ和简单的TCP套接字等.
• 数据输入后,可以使用Spark进行高度的抽象操作: map. flat, flatmap, window等进行运算,而且运算的结果能够保存到很多地方,比如hdfs, 数据库等.
• Spark Streaming还能够和MLlib（机器学习）以及Graphx完美融合.
  

2. 为什么要学Spark Streaming

2.1 易用

可以像写离线批处理一样写流式程序,支持java/scala/python语言.

2.2 容错

SparkStreaming在没有额外代码和配置的情况下可以恢复丢失的工作。

2.3 易整合到Spark体系

流式处理与批处理和交互式查询相结合。

3. Spark和Strom有什么区别

• Storm擅长于动态处理大量实时生产的小数据块，概念上是将小数据量的数据源源不断传给过程；Spark擅长对现有的数据全集做处理，概念是将过程传给大数据量的数据。

• 二者设计思路相反。Storm侧重于处理的实时性，Spark侧重处理庞大数据（类似于Hadoop的MR）。

• Spark流模块(Spark Streaming)与Storm类似，但有区别：

  1.Storm纯实时，来一条数据，处理一条数据；SparkStreaming准实时，对一个时间段内的数据收集起来，作为一个RDD，再做处理。
  2.Storm响应时间毫秒级；Spark Streaming响应时间秒级
  3.Storm可以动态调整并行度；SparkStreaming不行

• Storm应用场景：
  1.对于需要纯实时，不能忍受1秒以上延迟的场景
  2.要求可靠的事务机制和可靠性机制，即数据的处理完全精准
  3.如果还需要针对高峰低峰时间段，动态调整实时计算程序的并行度，以最大限度利用集群资源

• Spark Streaming应用场景：
  1.Spark Streaming可以和Spark Core、Spark SQL无缝整合，如果一个项目除了实时计算之外，还包括了离线批处理、交互式查询等业务功能，考虑使用Spark Streaming。