Storm比Spark和Hadoop有優(yōu)勢(shì)。Storm的優(yōu)勢(shì)在于它是一個(gè)實(shí)時(shí)、持續(xù)的分布式計(jì)算框架。它一旦運(yùn)行，就會(huì)一直處理計(jì)算中或者等待計(jì)算的狀態(tài)，除非你殺了它?；鸹ê蚳adoop做不到。當(dāng)然，它們各有各的應(yīng)用場(chǎng)景。各有各的優(yōu)勢(shì)?？梢砸黄鹩谩Ｎ襾?lái)翻一翻別人的資料，說(shuō)的很清楚。Storm、Spark、Hadoop各有千秋，每個(gè)框架都有自己的最佳應(yīng)用場(chǎng)景。

Storm是流式計(jì)算的最佳框架。Storm是用Java和Clojure寫(xiě)的。Storm的優(yōu)勢(shì)是全內(nèi)存計(jì)算，所以它的定位是分布式實(shí)時(shí)計(jì)算系統(tǒng)。按照Storm作者的說(shuō)法，Storm對(duì)于實(shí)時(shí)計(jì)算的意義類(lèi)似于Hadoop對(duì)于批處理的意義。Storm的適用場(chǎng)景如下:1)Streaming數(shù)據(jù)Processing Storm可以用來(lái)處理連續(xù)流動(dòng)的消息，并將處理后的結(jié)果寫(xiě)入一個(gè)存儲(chǔ)器。

大平臺(tái)Hadoop為你解答:1。1簡(jiǎn)介。Hadoop3.0 Hadoop2.0基于JDK1.7開(kāi)發(fā)，JDK1.7于2015年4月停止更新，直接迫使Hadoop社區(qū)重新發(fā)布了基于JDK1.8的新Hadoop版本，確切的說(shuō)是hadoop3.0。Hadoop3.0的alpha版本預(yù)計(jì)將于今年夏天發(fā)布，GA版本將于11月或12月發(fā)布。

1，解題水平不同。首先，Hadoop和ApacheSpark都是大數(shù)據(jù)框架，只是各自的用途不同。Hadoop本質(zhì)上是一個(gè)分布式數(shù)據(jù)基礎(chǔ)設(shè)施:它將龐大的數(shù)據(jù) set分布到由普通計(jì)算機(jī)組成的集群中的多個(gè)節(jié)點(diǎn)上進(jìn)行存儲(chǔ)，這意味著你不需要購(gòu)買(mǎi)和維護(hù)昂貴的服務(wù)器硬件。同時(shí)，Hadoop會(huì)對(duì)這些數(shù)據(jù)進(jìn)行索引和跟蹤，使得large 數(shù)據(jù)的處理和分析效率達(dá)到前所未有的高度。

2.兩者可以結(jié)合，也可以分離。Hadoop不僅提供了HDFS分布式數(shù)據(jù)的存儲(chǔ)功能，還提供了數(shù)據(jù)的處理功能，稱(chēng)為MapReduce。所以這里我們可以完全拋棄Spark，使用Hadoop自帶的MapReduce來(lái)完成數(shù)據(jù)的處理。相反，Spark不必依附于Hadoop才能生存。但如上所述，它畢竟不提供文件管理系統(tǒng)，所以必須與其他分布式文件系統(tǒng)集成才能運(yùn)行。

1，hadoop，Storm，我該選哪個(gè)？為了區(qū)分hadoop和Storm，本部分將回答以下問(wèn)題:1。hadoop和暴風(fēng)的操作有哪些？2.為什么Storm被稱(chēng)為流計(jì)算系統(tǒng)？3.hadoop適合什么場(chǎng)景，什么時(shí)候使用？Storm是內(nèi)存級(jí)計(jì)算。數(shù)據(jù)直接通過(guò)網(wǎng)絡(luò)導(dǎo)入內(nèi)存。

根據(jù)HarvardCS61課件，磁盤(pán)訪問(wèn)的延遲大約是內(nèi)存訪問(wèn)的75000倍。所以風(fēng)暴更快。注:1。延時(shí)是指數(shù)據(jù)從生成到運(yùn)算結(jié)果的時(shí)間，“快”應(yīng)該主要指這個(gè)。2.吞吐量是指數(shù)據(jù)單位時(shí)間內(nèi)系統(tǒng)處理的量。storm的網(wǎng)絡(luò)直傳和內(nèi)存計(jì)算，一定要比hadoop通過(guò)hdfs傳輸有低得多的時(shí)延。當(dāng)計(jì)算模型適合流式時(shí)，storm的流式處理節(jié)省了批量采集的時(shí)間數(shù)據(jù)；因?yàn)閟torm是面向服務(wù)的作業(yè)，所以也省去了作業(yè)調(diào)度的延遲。

Hadoop與Spark的連接與差分計(jì)算數(shù)據(jù)存儲(chǔ)位置Hadoop:硬盤(pán)Spark:內(nèi)存計(jì)算9、 hadoop和 spark的區(qū)別

Hadoop:單Spark:豐富處理方式Hadoop:非迭代Spark:迭代場(chǎng)景需要Hadoop:離線批處理。(面向SQL交互查詢(xún)、實(shí)時(shí)處理和機(jī)器學(xué)習(xí)的需求，與第三方框架相結(jié)合。