Apache spark 阿克卡河vs火花河

使用akka流与spark流进行流处理的优缺点是什么？比如，内置背压、性能、容错性、内置转换、灵活性等。我不是在问akka vs spark的优缺点。我也不是在问引擎盖框架下的架构差异。

Akka Streams和Spark Streams来自两个不同的地方。不要让“流”这个词把你弄糊涂

Akka streams实现了一种称为“反应性宣言”的东西，它非常适合实现真正低的延迟，并提供了许多操作符来轻松地在流上编写声明性转换。更多关于这方面的信息

Spark Streaming（从2.2开始的结构化流媒体）仍然是一种处理大量数据（大数据）的微批量方法。每隔几秒钟收集事件，然后定期进行小批量处理

与Spark不同，Akka streams基本上不是分布式的，也不会跨集群扩展。Akka streams使用Akka的参与者模型来实现并发

Akka streams是一个工具包，Spark是一个框架。

---

PS：几个月前我也有同样的问题。我花了一段时间才得到答案。希望对您有所帮助。

非常肯定Spark是在Akka上构建的，因此您可以通过Spark获得更简洁的语法、更友好的用户体验、内置的容错功能（管理器等），以及更多的功能。如果你有一个更定制的需求，比如在单个集群上运行不同的演员/流的不同的工作，你应该考虑Akka以上的火花。否则，更多的功能可能是一件好事。这是一个更一般的答案。我相信Spark在1.5秒后离开了Akka。有一件事是不合理的，为什么akka不能扩展，切分在这里不起作用？我不知道akka中是否有切分的概念，但akka远程处理是akka项目的一部分，可以用来在机器上启动akka参与者。akka肯定提供了一套丰富的工具来构建分布式系统，这就是akka集群构建的目的，请参阅以了解更多信息。