大数据技术的逐渐成熟，技术人才的不断培养，面对各大企业抛来的橄榄枝，你做好准备迎接属于你辉煌的未来了吗?千锋杭州大数据工程师培训的讲师急你所急，寻你所需，不仅为你准备了一场大数据技术盛宴，还准备了通往企业的大数据开发面试题，并且都是精细讲解，今天分享的技术点是：storm和SparkStreaming的比较。

　　Storm风暴和SparkStreaming火花流都是分布式流处理的开源框架。这里将它们进行比较并指出它们的重要的区别。

　　处理模型,延迟

　　虽然这两个框架都提供可扩展性和容错性,它们根本的区别在于他们的处理模型。而Storm处理的是每次传入的一个事件，而SparkStreaming是处理某个时间段窗口内的事件流。因此,Storm处理一个事件可以达到秒内的延迟，而SparkStreaming则有几秒钟的延迟。

　　容错、数据

　　在容错数据方面的权衡是，SparkStreaming提供了好的支持容错状态计算。在Storm中,每个单独的记录经过系统时必须被跟踪，所以Storm能够至少能让每个记录将被处理一次，但是在从错误中恢复过来时候允许出现重复记录。这意味着可变状态可能不正确地被新两次。

　　另一方面，SparkStreaming只需要在批级别进行跟踪处理，因此可以有效地每个mini-batch将完全被处理一次，即便一个节点发生故障。(实际上,Storm的Tridentlibrary库也提供了完全一次处理。但是,它依赖于事务新状态,这比较慢,通常必须由用户实现。)

　　简而言之,如果你需要秒内的延迟，Storm是一个不错的选择，而且没有数据丢失。如果你需要有状态的计算，而且要完全确保每个事件只被处理一次，SparkStreaming则好。SparkStreaming编程逻辑也可能容易，因为它类似于批处理程序(Hadoop)，特别是在你使用批次(尽管是很小的)时。

　　实现,编程api

　　Storm初次是由Clojure实现，而SparkStreaming是使用Scala.如果你想看看代码还是让自己的定制时需要注意的地方，这样以便发现每个系统是如何工作的。Storm是由BackType和Twitter开发;SparkStreaming是在加州大学伯克利分校开发的。

　　Storm有一个JavaAPI,也支持其他语言，而SparkStreaming是以Scala编程，当然也支持Java。

　　SparkStreaming一个好的特性是其运行在Spark上.这样你能够你编写批处理的同样代码，这就不需要编写单独的代码来处理实时流数据和历史数据。

　　产品支持

　　Storm已经发布几年了，在Twitter从2011年运行至今，同时也有其他公司使用，而SparkStreaming是一个新的项目，它从2013年在Sharethrough有一个项目运行。

　　Hadoop支持

　　Storm是一个HortonworksHadoop数据平台上的流解决方案，而SparkStreaming有MapR的版本还有Cloudera的企业数据平台，Databricks也提供Spark支持。

　　集群管理集成

　　尽管两个系统都运行在它们自己的集群上，Storm也能运行在Mesos,而SparkStreaming能运行在YARN和Mesos上。

　　今天大数据的开发面试题精讲部分到这就结束了，大数据技术成为当今时代的核心技术，千锋讲师用自己丰富的阅历实力讲解大数据，感兴趣的可以跟我们的讲师多多交流。