- Apache Flink 教程
- Apache Flink - 首頁
- Apache Flink - 大資料平臺
- 批處理 vs 即時處理
- Apache Flink - 簡介
- Apache Flink - 架構
- Apache Flink - 系統需求
- Apache Flink - 設定/安裝
- Apache Flink - API 概念
- Apache Flink - 表格 API 和 SQL
- 建立 Flink 應用程式
- Apache Flink - 執行 Flink 程式
- Apache Flink - 庫
- Apache Flink - 機器學習
- Apache Flink - 使用案例
- Apache Flink - Flink vs Spark vs Hadoop
- Apache Flink - 總結
- Apache Flink 資源
- Apache Flink - 快速指南
- Apache Flink - 有用資源
- Apache Flink - 討論
Apache Flink - Flink vs Spark vs Hadoop
這是一個綜合表格，展示了三個最流行的大資料框架之間的比較：Apache Flink、Apache Spark 和 Apache Hadoop。
| Apache Hadoop | Apache Spark | Apache Flink | |
|---|---|---|---|
起源年份 |
2005 | 2009 | 2009 |
起源地 |
MapReduce (Google) Hadoop (雅虎) | 加州大學伯克利分校 | 柏林工業大學 |
資料處理引擎 |
批處理 | 批處理 | 流處理 |
處理速度 |
慢於 Spark 和 Flink | 比 Hadoop 快 100 倍 | 比 Spark 快 |
程式語言 |
Java、C、C++、Ruby、Groovy、Perl、Python | Java、Scala、Python 和 R | Java 和 Scala |
程式設計模型 |
MapReduce | 彈性分散式資料集 (RDD) | 迴圈資料流 |
資料傳輸 |
批處理 | 批處理 | 流水線和批處理 |
記憶體管理 |
基於磁碟 | JVM 管理 | 主動管理 |
延遲 |
低 | 中等 | 低 |
吞吐量 |
中等 | 高 | 高 |
最佳化 |
手動 | 手動 | 自動 |
API |
低階 | 高階 | 高階 |
流處理支援 |
不支援 | Spark Streaming | Flink Streaming |
SQL 支援 |
Hive、Impala | SparkSQL | 表 API 和 SQL |
圖支援 |
不支援 | GraphX | Gelly |
機器學習支援 |
不支援 | SparkML | FlinkML |
廣告