zoukankan
html css js c++ java
常见分布式计算框架特点
Hadoop
:
Hadoop
在使用原理上基本上遵照了
Map
、
Reduce
这种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;
因为
Hadoop
的中间结果须要依托于
hdfs
,从而须要经历硬盘及网络
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当中的
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。而且在每一步任务上进行对应的操作处理,同一时候依据操作处理顺序构建
DAG
图,从而应用
DAG
引擎进行相关操作。
因为
Spark
在进行处理时主要使用内存所以基本能够做到实时性。同一时候,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,如今
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
这样的弹性的存储,而且基于该数据模型构建了对应的数据依赖,从而实现一定的容错机制。
Spark
基本上都执行在内存中,能够使用
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,而且将信息发送到
bolt
形成对应的
tuple
,之后在此基础上继续构建数据的处理规则。处理规则须要觉得变成实现。
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,同一时候在数据模型处理方面只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依照用户的
i
自己定义方式进行,须要用户编写大量的流程控制问题,同一时候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,同一时候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。而且综合了
Kafka
这种消息队列;
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,同一时候配合持久化方法可实现滑动窗体;
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,同一时候通过备份方式显示数据局部容错;
Yahoo Apache S4
:
Yahoo
出品。与
Storm
比較类似,基于每一个节点处理不同的功能,相同是组成了一个
DAG
图去描写叙述数据处理工作。
在雅虎内部使用。完毕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;
查看全文
相关阅读:
background image position问题
yii 验证器和验证码
laravel 模板 blade
tbody添加垂直滚动条
转:jquery选择器总结
jquery ajax传递数组给php
jquery serialize()、serializearray()已经$.param方法
php stdClass Object 问题
Codeforces Round #274 (Div. 2) E. Riding in a Lift(DP)
HTTP协议具体解释
原文地址:https://www.cnblogs.com/zfyouxi/p/5116388.html
最新文章
litepal更好的操作sqlite3,配置与基本操作
安卓操作sqlite3,增删改查
安卓开发,adb shell 调试sqlite3数据库
Sqlite3的安装Windows
SharedPreferences存储
安卓,文件存储
什么是架构师?
淘宝网的架构演变
网站的伸缩性架构,负载均衡的实现方式,缓存集群与数据库集群处理
万无一失,网站的高可用架构
热门文章
集群环境下,Session管理的几种手段
大型网站性能优化途径
网站性能测试
大型网站架构模式
大型互联网应用系统的演化过程
队列,图,栈,树
图解散列函数
tp5实现多数据库查询
Yii url createUrl redirect相关
IoC容器
Copyright © 2011-2022 走看看