弗林克还是火花？当流不重要时

Question

最近，我一直在比较火花和Flink的一个全新的项目。在这个项目中，流功能不是那么重要。对~(90) is数据进行批量分析是最重要的。稍后，我将在数据分析中应用ML和数据挖掘。

在搜索时，我发现很多文章，演示和视频声称Flink是下一代的分析解决方案。没有多少文章能为火花辩护。另一方面，星火是(或曾经？)非常流行，并广泛部署在非常大的生产系统。

我的问题是：对于我的用例来说，流并不重要，我是拥抱Flink还是从Spark2开始？

顺便说一下，我读过this thread。这不能给我一个好的答案。

更新，2018年4月，：我们最终选择了火花。显然，除了表现之外，还有更多的问题要解决。Cloudera、Hortonworks和HDInsight在安全性、稳定性、规模、路线图等方面给企业架构师和安全审查员提供了良好的信心/证明。

Answer 1

根据您的要求，Apache是最好的。火花和Flink都是先进的大数据处理技术。在integrations特性方面，、稳定性、生态系统、群落、与其他系统E 217和adaptability E 120SparkE 221E 221远领先于E 122FlinkE 223。

和Flink的主要区别是：是一个批处理处理系统，它具有流E 233抽象，而E 134E 235是E 136流代码>E 237数据处理系统，用于处理E 138无界<代码>E 239E 239数据集，它具有E 140批代码>e 241处理抽象以处理代码<>E 142有界<代码>批处理数据集。

Spark是ETL、机器学习、流媒体、数据仓库和图形处理在大量数据集上的最佳选择。Flink是流处理大型和无界数据集的最佳方法。

阿帕奇-Flink