在線數(shù)據(jù)的增長速度遠遠快于數(shù)據(jù)處理速度。為了讓企業(yè)保持競爭力，必須隨時提供數(shù)據(jù)，以便盡早做出明智的決策。實時數(shù)據(jù)流軟件正在成為數(shù)據(jù)基礎(chǔ)設(shè)施的重要組成部分，以盡早將數(shù)據(jù)傳輸?shù)教幚硐到y(tǒng)。雖然可以使用不同的流媒體軟件，但了解領(lǐng)域上下文和可用的基礎(chǔ)設(shè)施至關(guān)重要。

每個業(yè)務(wù)用例都是獨特的，應(yīng)該嚴格對待。需要記住的關(guān)鍵一點是，廉價、快速和優(yōu)質(zhì)永遠不會成為可行的組合。經(jīng)濟實惠的解決方案可能會很快，但效果并不好;快速的解決方案可能很好，但并不便宜，等等。這個概念的一個理想例子是實時流數(shù)據(jù)處理。

處理實時流數(shù)據(jù) Apache Flink 或 Kafka Streams

隨著新技術(shù)為當(dāng)今的業(yè)務(wù)提供動力，數(shù)字數(shù)據(jù)的產(chǎn)生量巨大，需要比當(dāng)前的速度更快地吸收。

Apache Kafka在攝取實時流數(shù)據(jù)方面表現(xiàn)出色，并使企業(yè)能夠比傳統(tǒng)批處理工作流程更快地攝取數(shù)據(jù)。它是一個開源、發(fā)布-訂閱模型的事件存儲和流平臺。憑借其分布式容錯架構(gòu)，Apache Kafka 可以在幾秒鐘內(nèi)可靠地處理數(shù)百萬個事件。

將 Kafka 與 Kafka Streams 或Flink工具配對將顯著增強其功能，因為它們 可以 在數(shù)據(jù)到達應(yīng)用程序之前 實現(xiàn)實時數(shù)據(jù)處理，從而 減少或消除數(shù)據(jù)處理步驟的需要。 Kafka Streams 是一個 用于流處理和操作的Kafka庫。 Apache Flink 是一款可以處理流數(shù)據(jù)或批數(shù)據(jù)的數(shù)據(jù)處理軟件。

成本和基礎(chǔ)設(shè)施

Apache Kafka Streams 和 Apache Flink 之間的設(shè)置差異在基礎(chǔ)設(shè)施配置需求方面非常顯著：Apache Kafka Streams 在 Kafka 代理上運行時無需機器費用即可運行，而 Apache Flink 需要一組機器來管理更大的工作負載。

表現(xiàn)

盡管 Flink 的設(shè)置和配置比 Kafka Stream 更加密集，但其好處超過了設(shè)置所需的工作。 Kafka 流可用于中等工作負載的實時分析。 Flink 可以將此負載分布在多個服務(wù)器上并并行處理，使其 更 適合低延遲、大容量的復(fù)雜工作負載。

復(fù)雜事件處理

在實時流分析中，復(fù)雜的事件處理有助于 在 數(shù)據(jù)到達時建立數(shù)據(jù)模式和趨勢。鑒于 此過程的廣泛性，它需要 更多的計算資源。 Apache Flink 憑借其專用的硬件設(shè)置，更適合 高級 復(fù)雜事件處理用例。

可靠性

Kafka 流利用其內(nèi)置的容錯機制提供合理的容錯能力。 Apache Flink 通過增強的檢查點系統(tǒng)提供容錯能力，該系統(tǒng)對于關(guān)鍵數(shù)據(jù)處理場景高度可靠。

發(fā)展

Kafka Streams 開發(fā) 依賴于Java ，與 Flink 在無縫支持語言方面 提供的靈活性相比，在嘗試集成編程語言時可能會面臨限制 。

結(jié)論

從根本上來說，這取決于業(yè)務(wù)用例，因為 Apache Flink 和 Kafka Streams 具有相同的實時流數(shù)據(jù)處理目的。背景(例如，當(dāng)前基礎(chǔ)設(shè)施、采用新技術(shù)的學(xué)習(xí)曲線、工作負載量和復(fù)雜性)對于決定哪些技術(shù)符合公司的最佳實踐至關(guān)重要。