Apache flink Hazelcast Jet和Apache Flink之间有什么区别

更具体地说，Hazelcast Jet解决了Flink无法解决的哪些用例（同样好），反之亦然？

注：我属于Hazelcast Jet的核心工程团队

---

我想说，Hazelcast Jet的主要优势不在于提供一种全新的计算模型，而在于为基于DAG的分布式计算领域带来与Hazelcast相同的便利性

如果您当前有一个Java应用程序在集群中运行，那么添加Jet将是一个简单的过程：添加Maven依赖项并编写一行代码在本地成员上启动Jet实例。实例将自我发现以形成自己的集群，您现在可以向其提交作业

如果您想要一个专用的分布式计算集群，可以将分发ZIP下载到集群计算机。Jet对最流行的云环境具有本机支持，允许您开始自我发现节点。然后，您可以使用Jet客户端连接到集群

不用说，Jet使得使用Hazelcast

IMap

或

IList

作为数据源非常方便。射流群可以直接承载Hazelcast结构；然后，您将受益于数据局部性，并在没有网络流量的情况下获得数据。另一方面，数据源的选择是完全不受限制的，并且有专门用于实现快速、任意分区的自定义数据源的公共API

Jet解决了无限流处理的问题，如在基于时间的窗口上聚合、处理重新排序的事件和对集群拓扑变化的恢复能力（例如，单个Jet节点的故障），同时保持一次处理的保证

Jet的主要编程范例是管道API，它与

java.util.stream

API非常相似，但适合于分布式计算的具体情况（lambda序列化和其他关注点）

---

管道API建立在一个较低级别的基于DAG的模型之上，该模型也作为公共API公开。

在我看来，flink似乎提供了一些非常有用的流媒体功能，而hatecast jet尚未提供这些功能

• 不同的灵活窗口操作员，wich还可以处理无序和迟到的项目
• 集群的容错性和交付保证

除此之外，目前它似乎也更加稳定和知名。 例如，您可以将其用作ApacheBeam的运行时，然后在云上的Google数据流和您自己的部署之间轻松迁移。 所以我现在会使用flink

---

Best

那么你可以说，推出Jet的主要动机是提供一种比Flink更易于使用的工具，而且其计划的功能集与当前市场重叠？或者您会说Jet是一个“轻量级”解决方案，适用于不需要与现有解决方案相同功能的应用程序？由于Jet即将发布4.0版，我再次讨论了这个问题。我要说的是，Jet正在通过受支持的功能集开辟自己的道路。有许多源/汇连接器与不同的外部系统交互；对流连接和窗口聚合有可靠的支持；当前关注的一个用例是将跨语言ML模型部署到分布式流媒体管道。