Flink会取代Spark吗？谈谈大数据框架之间的竞争

在大数据计算领域，先后出现了Hadoop、Spark、Storm、Flink等多个计算框架，并且每每当一个新兴计算引擎出现，大家就忍不住拿来与早期的计算引擎进行对比。然后就会出现诸如Flink会取代Spark吗，Flink和Spark哪个好等等的问题讨论。今天我们就来聊聊大数据框架之间的竞争。

作为目前应用最广泛的大数据框架之一，Spark一直以来是受到多方的青睐的，而随着2015年Flink框架的出现，就开始出现了Flink会取代Spark等等的声音，但是事实真的是这样的吗？

Spark最初可以说是作为Hadoop的补充而出现的，补足了Hadoop在实时数据处理这一块的不足。但是Spark并没有就此止步，而是一直在更新和优化。早期的Spark采取的是RDD数据模型，而在随后的2.X版本中，Spark又开始摒弃RDD，转而采取Spark SQL的Dataset作为统一的数据模型，希望能够构建更加高效的计算框架。

得益于Spark一开始采用的RDD数据模型，在很长一段时间内，Spark高效灵活的编程方式，并且基于内存计算，使用统一的引擎进行批处理、流处理以及交互分析，使得Spark在大数据处理上获得明显的优势。

但是在这些优势存在的同时，Spark也并非完美，在流处理上依然存在缺陷。因为Spark Streaming是准实时的，数据计算处理的方式是微批处理模型。在动态调整、事物机制、延迟性、吞吐量等方面并不优秀。

而这就给了Flink发展的机会，随着越来越多的公司开始发现，对于流数据处理的需求在不断增高，如网络故障检测、欺诈行为检测等，需要的是真正的实时流数据处理。

Flink可以说是为流处理而生，采用了基于操作符的连续流模型，对无界和有界数据流进行有状态计算。流可以是无边界的无限流，即一般意义上的流处理。也可以是有边界的有限流，这样就是批处理。

Flink会取代Spark吗？从目前的趋势来看，答案是未必。基于流处理，Spark也开发了Structured Streaming Programming，与Flink竞争，在流处理上，Spark同样在不断成长。