常见分布式计算框架特点

标签：storm   hadoop   spark   集群   任务调度   

Hadoop：

Hadoop在使用原理上基本上遵照了Map、Reduce这样的一种模式进行项目的实际开发与交互，将一个个任务分解成映射与合并两种方式，然而通过映射进行分类与简化，从而产生部分归并结果，然后对同类结果进行归并计算；

由于Hadoop的中间结果需要依托于hdfs，从而需要经历硬盘及网络io的过程所以在实时性方面表现稍差；

Hadoop主要处理hdfs上的文本文件，而文本文件内容本身也是半结构化的；

之前的资源调度就是靠其中的master，之后hadoop2.0之后引入yarn进行资源的统一管理；

Spark：

Spark的原理是将任务进行分解，并且在每一步任务上进行相应的操作处理，同时根据操作处理顺序构建DAG图，从而应用DAG引擎进行相关操作。

由于Spark在进行处理时主要使用内存所以基本可以做到实时性，同时，在进行DAG引擎优化方面对速度也有一定程度提升；

Spark本身是通过DAGScheduler与TaskScheduler实现任务调度以及计算节点切换，现在mesos及yarn都对spark进行了一定程度的支持；

Spark的数据模型使用RDD这种弹性的存储，并且基于该数据模型构建了相应的数据依赖，从而实现一定的容错机制；

Spark基本上都运行在内存中，可以使用yarn或者mesos进行资源的统一管理，然后在上面进行spark的相关任务调度；

Storm：

Storm是基于消息源（spout）获取数据发送信息，并且将信息发送到bolt形成相应的tuple，之后在此基础上继续构建数据的处理规则，处理规则需要认为变成实现；

Storm本身是流式数据处理，所以在实现实时性方面有一定的优势；

Storm的数据模型没有体现依赖关系，没有进行特别的存储结构设计，同时在数据模型处理方面仅仅进行结构设计而没有进行优化；

资源调度以及使用方面直接按照用户的i自定义方式进行，需要用户编写大量的流程控制问题，同时没有在资源啊隔离放main做些谢智导致可能出现局部任务影响全局的问题；

LinkedIn Samza：

领英出品，主要结合kafka的设计思想将数据进行分块，同时保证数据的局部有序性，而任务调度方面进行简单操作后进行输入与输出。

进行实时数据流处理，并且综合了Kafka这样的消息队列；

通过类似于Kafka的数据结构，实现消息的分区、局部有序以及消息的重读机制，同时配合持久化方法可实现滑动窗口；

资源的管理主要借助于Yarn，利用消息队列的方式显现消息处理，同时通过备份方式显示数据局部容错；

Yahoo Apache S4：

Yahoo出品，与Storm比较类似，基于每个节点处理不同的功能，同样是组成了一个DAG图去描述数据处理工作。

在雅虎内部使用，完成每秒数以千计的搜索查询。

以事件没基础进行设计，将每一次数据当成是一个事件来处理

使用ZooKeeper进行分布式数据的管理，在内部实现了负载均衡、容错、分发、路由等功能；

常见分布式计算框架特点

标签：storm   hadoop   spark   集群   任务调度   

原文地址：http://blog.csdn.net/hanyueqi/article/details/46792737