Apache storm SparkStreaming和Storm的区别

我正在对实时推特流媒体数据进行分析。我听说了Spark流媒体。我想知道哪种方法最适合对实时流媒体数据进行分析，因为我的数据来源非常快。

我建议就这一主题进行此演示：

事实上，ApacheStorm是一个真正的流式体系结构，事件一个接一个地管理，如果您想对它们进行分组，您必须为此设计一个拓扑。它在延迟和设计方面是最强大的。但它当然是复杂的，你必须正确地设计你想要的

---

另一方面，ApacheSpark是一种微批处理体系结构，它与hadoop类似，但每x秒执行一次，在定义的时间窗口上生成微批数据。由于它看起来确实像一个批处理解决方案，因此它看起来更简单，如果您不想延迟<几秒钟，它就足够了。

除了@zenbeni链接的非常好的演示之外，我想根据Storm和Spark streaming的第一手经验，特别是关于您的用例（Twitter数据），添加一些具体的要点

• Twitter本身在实时流处理管道的许多部分使用Storm。因此，如果您想要执行的处理类型相似，Storm是一个不错的选择
• Storm的多语言支持非常好。但很难传递错误。例如，如果您从Java螺栓调用Python代码，并且Python螺栓中发生异常，那么将此异常传播回Java代码并不容易
• 如果你的分析仅仅基于一条推特，Storm可能会更好。然而，若你们需要做一些聚合或迭代分析，你们也必须在暴风雨中进行微博客。这本质上意味着您必须将状态存储在一堆螺栓中
• 最后，通常需要同时进行流处理和批处理。当您需要将流处理与批处理、交互式和迭代处理相结合时，Spark将大放异彩。事实上，我不清楚应该如何进行迭代处理

  ---

我认为这个问题不应该以“基于意见”来结束。答案清楚地显示了Storm和Spark流媒体之间的区别，以及一个是如何进行微博客而另一个不是。