概述
一般流式計算會與批量計算相比較。在流式計算模型中，輸入是持續的，可以認爲在時間上是無界的，也就意味着，永遠拿不到全量數據去做計算。同時，計算結果是持續輸出的，也即計算結果在時間上也是無界的。流式計算一般對實時性要求較高，同時一般是先定義目標計算，然後數據到來之後將計算邏輯應用於數據。同時爲了提高計算效率，往往儘可能採用增量計算代替全量計算。批量處理模型中，一般先有全量數據集，然後定義計算邏輯，並將計算應用於全量數據。特點是全量計算，並且計算結果一次性全量輸出。
批處理 VS 流處理區別
目前主流流處理框架：Kafka Streaming、Storm（JStrom）、Spark Streaming 、Flink（BLink）
-
Kafka Streaming:是一套基於Kafka-Streaming庫的一套流計算工具jar包，具有入門門檻低，簡單容易集成等特點。
-
Apache Storm:一款純粹的流計算引擎，能夠達到每秒鐘百萬級別數據的低延遲處理框架。
-
Spark Streaming：是構建在Spark 批處理之上一款流處理框架。與批處理不同的是，流處理計算的數據是無界數據流，輸出也是持續的。Spark Streaming底層將Spark RDD Batch 拆分成 Macro RDD Batch實現類似流處理的功能。因此spark Streaming在微觀上依舊是批處理框架。
