精品国产一级在线观看,国产成人综合久久精品亚洲,免费一级欧美大片在线观看

目前由于Apache Spark的不斷發展，其已逐步成為大數據云時代的重要組成部分。但Spark遠非那么完美，當然，它確實在逐步改善中，但正如2.0版所示，如果競爭者提供了一個比Spark更贊的處理方式，必然會吸引開發者的注意。

如下列出的四項很可能會撼動Spark的地位，Spark以對傳統內存批處理和流處理的全新方法而聞名。并且，目前該方法也持續奏效。那接下來這四位又有哪些優勢呢?

Apache Apex

Apache Apex最初由DataTorrent開發出來，目前已作為孵化器項目被捐贈給Apache基金會。它可以在YARN下的Hadoop上執行流處理和批處理。

優點：Apex是真正的流處理，而Spark的流處理實際上只是一個微小的批處理而已。

缺點：雖然Apex經由Hadoop使其本身具備容錯能力，但這意味著Apex和Hadoop是緊密耦合的。而Spark有沒有Hadoop都可以。并且，Apex至今沒有具備Spark的機器學習能力。

Heron

Twitter采用流處理系統Heron替代了Apache Storm，Heron現在作為一個開源項目，可以認為其是Spark的競爭者之一。

優點：Heron通過容器管理調度程序進行流處理。因此，它比其他解決方案更易集成，更易調試，部署和集群運行。為了吸引Storm用戶，它同時兼容Storm API和共享Storm的很多概念。

Apache Flink

Apache Flink是一款大數據流處理引擎，這個目標看起來和Spark類似。

優點：和Apex一樣，Flink是一款真正的流處理模型，而不像Spark那樣只是微小的批處理。Flink對數據流中迭代或者重復的進程有明確規定，并且它有一些與Spark類似的特點，例如機器學習和圖形處理。但是，Flink目前來說仍然是比較新的項目，今年稍早些時候剛推出1.0版本。

Onyx

Onyx是一個無中心，支持云的，容錯的高性能分布式計算系統。根據其官方介紹，Onyx同時具備批處理和流處理能力。

優點：它由基礎語言Clojure而不是Scala編寫而成，Onyx把流處理放在第一位，批處理操作基本上是基于小的流處理操作實現的。Onyx允許開發人員使用Clojure或Java語言，例如Clojure的向量和地圖等，進一步定義如何處理數據。一旦Onyx流行起來，很可能是由于Java的受歡迎程度而不是Clojure的原因。

原文鏈接：http://www.infoworld.com/article/3101729/big-data/big-data-brawlers-4-challengers-to-spark.html