简介：雅虎发布的一份各种流处理引擎的基准测试，包括Storm, Flink, Spark Streaming
动机：贴近生产环境，使用Kafka和Redis进行数据获取和存储，设计并实现了一个真实的流处理基准。
论文中的一些测试结果和结论：
原文：The results demonstrate that at fairly high throughput, Storm and Flink have much lower latency than Spark Streaming (whose latency is proportional to throughput rate). On the other hand, Spark Streaming is able to handle higher maximum throughput rate while its performance is quite sensitive to the batch duration setting.
- Storm, Flink延迟更小，更加接近于真正的“实时”流处理系统。
- Spark Streaming有更高的吞吐率，同时延迟也最高。Spark Streaming的性能对批处理间隔时间设置(batch duration setting)敏感。
原文：at high-throughput both versions of Storm struggled。
- storm不适合高吞吐量。
原文：Storm’s acking functionality as of version 0.11.0 incurs enough overhead to be a limitation at very high throughputs, and while processing guarantees require acking, flow control Could be achieved via backpressure instead.
- Storm 的 acking 功能会产生很大的开销，从而限制了高吞吐。虽然处理保证需要 acking，但可以通过背压来实现流量控制。（这个第二句话不是很懂啥意思……）
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
