作为一名程序员通病就是不安分，对业界的技术总要折腾一番，哪怕在最终实际工作中应用到的就那么一点。最近自己准备入门Storm学习，关于流式大数据框架目前比较流行的有Spark和Storm等，在入门之前，先对两种框架做个基本的对比，便于后期学习中更加深入的理解各自的应用场景以及优劣。关于Storm和Spark的对比主要从网络和书本搜索得到，基本比较如下：
| 对比方面 | Storm | Spark Streaming |
| 是否实时模型 | 纯实时 | 准实时 |
| 实时计算延时度 | 毫秒级 | 秒级 |
| 吞吐量 | 低 | 高 |
| 事务机制 | 支持且完善 | 支持，但不完善 |
| 健壮/容错 | 强 | 一般 |
| 动态调整并行度 | 支持 | 不支持 |
从上面的对比可以看出，Storm的使用场景适合对实时性要求高、延时度要求低、对事务机制要求保障的应用。但对比之下，Spark的优势则主要体现在一下两个方面：
1、吞吐量更大。
2、Spark生态技术栈中，Spark Streaming可以和Spark Core、Spark SQL无缝集成，提供了更加全面的整合应用。
具体应用体验，在学习完两个框架，并做实际对比后补充~~~