目前业内比较知名的大数据流计算框架有Storm、Spark Streaming、Flink，接下来逐一看看它们的架构原理和使用方法。

Storm

其实大数据实时处理的需求很早就存在，那个时候主要使用MQ来实现大数据的实时处理，如果处理起来比较复杂，那么就需要很多个消息队列，将实现不同业务逻辑的生产者和消费者串起来。架构图如下：

图中的消息队列负责完成数据的流转；处理逻辑既是消费者也是生产者，也就是既消费前面消息队列的数据也为下个消息队列产生数据。这样的系统只能是根据不同需求开发出来，并且每次新的需求都需要重新开发类似的系统。因为不同应用的生产者、消费者的处理逻辑不同，所以处理流程也不同，因此这个系统也就无法复用。

因此我们就需要一个流处理计算系统，只要定义好处理流程和每一个节点的处理逻辑，最后代码也按照预定义好的流程和逻辑去执行，于是Storm就产生了。

有了Storm之后，开发者无需再关注数据的流转、消息的处理和消费，只要编程开发好数据处理的逻辑bolt和数据源的逻辑spout以及它们之间的拓扑逻辑关系toplogy，提交到Storm上运行就可以了。

Storm和Hadoop一样，也是主从架构。

nimbus是集群的Master，负责集群管理、任务分配等。supervisor是Slave，是真正完成计算的地方，每个worker上运行多个task，而task就是spout或者bolt。supervisor和nimbus通过ZooKeeper完成任务分配、心跳检测等操作。

Spark Streaming

我们知道Spark是一个批处理大数据计算引擎，主要针对大批量历史数据进行计算。它将原始数据分片后装载到集群中计算，对于数据量不是很大、过程不是很复杂的计算，可以在秒级甚至毫秒级处理。

Spark Streaming巧妙的利用了Spark的分片和快速计算的特性，将实时传输进来的数据按照时间进行分段，把一段时间传输进来的数据合并在一起当做一批数据，再去交给Spark去处理。下图是Spark Streaming数据处理流程：

如果时间段分得足够小，每一段的数据量就会比较小，再加上Spark引擎的处理速度又足够快，这样看起来好像数据是被实时处理的一样，这就是Spark Streaming实时流计算的奥妙。

Spark Streaming主要负责将流数据转换成小的批数据，剩下的就可以交给Spark去做了。

Flink

前面说Spark Streaming是将实时数据流按时间分段后，微批次处理计算，而Flink则是一开始就按照流处理计算去设计的，从HDFS中读入的数据也当做数据流看待，就变成批处理系统了。

如果要进行流计算，Flink会初始化一个流执行环境StreamExecutionEnvironment，然后利用这个执行环境构建数据流DataStream。

StreamExecutionEnvironment see = StreamExecutionEnvironment.getExecutionEnvironment(); 
 
DataStream<WikipediaEditEvent> edits = see.addSource(new WikipediaEditsSource());

如果要进行批处理计算，Flink会初始化一个批处理执行环境ExecutionEnvironment，然后利用这个环境构建数据集DataSet。

ExecutionEnvironment env = ExecutionEnvironment.getExecutionEnvironment(); 
 
DataSet<String> text = env.readTextFile("/path/to/file"); 

然后在DataStream或者DataSet上执行各种数据转换操作（transformation），这点很像Spark。不管是流处理还是批处理，Flink运行时的执行引擎是相同的，只是数据源不同而已。

Flink处理实时数据流的方式跟Spark Streaming相似，也是将流数据分段后，一小批一小批地处理。但是Flink对微批次流处理的支持更加完善，可以对数据流执行window操作将数据流切分到一个一个window里进而进行计算。

Flink的架构和Hadoop 1或者Yarn看起来很像，JobManager是Flink集群的管理者，Flink程序提交给JobManager后，JobManager检查集群中所有TaskManager的资源利用状况，如果有空闲TaskSlot(任务槽)，就将计算任务分配给它执行。