Apache Spark与Apache Storm
Apache Spark和Apache Storm有什么区别？ 每个适合的用例是什么？
Apache Spark是一个内存分布式数据分析平台，主要针对加快批量分析作业，迭代机器学习作业，交互式查询和graphics处理。
Spark的主要区别之一是使用RDD或弹性分布式数据集。 RDD对于并行运算符的stream水线计算是非常好的，并且根据定义，它是不可变的，这使得Spark能够根据血统信息提供独特的容错forms。 例如，如果您对Hadoop MapReduce作业更快执行感兴趣，则Spark是一个不错的select（尽pipe必须考虑内存要求）。
Apache Storm专注于stream处理或者一些所谓的复杂事件处理。 Storm实现了一种容错方法，用于在事件stream入系统时执行计算或stream水线化多个事件。 人们可以使用Storm将非结构化数据转换成所需格式。
Storm和Spark关注于相当不同的用例。 风暴三叉戟和Spark Streaming之间的“苹果对苹果”比较会更多。 由于Spark的RDD本质上是不可变的，因此Spark Streaming实现了一种在用户定义的时间间隔中“批量”传入更新的方法，该方法可以转换为自己的RDD。 Spark的并行运算符然后可以在这些RDD上执行计算。 这与Storm分别处理每个事件是不同的。
这两种技术之间的一个关键区别在于Spark执行数据并行计算，而Storm执行任务并行计算 。 任何一种devise都是值得了解的权衡。 我会build议检查这些链接。
编辑：今天发现了这个
