【翻译】Flink和Spark性能对比

Benchmark设计

针对一个简单的广告应用。应用涉及广告促销活动业务，每个业务有很多广告数据。
流处理平台需要从kafka读取JSON格式的事件，标识相关事件，按促销业务窗口读取关联事件，并保存到Redis中。
具体操作步骤（和流程图对应）：

1. 从kafka读取事件数据
2. 反序列化Json字符串
3. 去除无关联的事件数据（基于事件类型域）
4. 关联字段投射(广告ID，事件时间)
5. 依据广告ID查询其促销活动ID（这部分数据从Redis读取），关联广告事件数据
6. 对每个促销活动开一个窗口，窗口内对事件计数，并将每个窗口计数结果，以及更新时间戳一起存储在 Redis 中。 此步骤要求能够处理迟到的事件。
   

   

输入数据schema:

• user_id: UUID
• page_id: UUID
• ad_id: UUID
• ad_type: String in {banner, modal, sponsored-search, mail, mobile}
• event_type: String in {view, click, purchase}
• event_time: Timestamp
• ip_address: String

原文链接：

链接: tumblr文章
https://yahooeng.tumblr.com/post/135321837876/benchmarking-streaming-computation-engines-at

吞吐量

• Spark：250万记录单核每秒 (摘自Databricks 报告)
• Flink： 400万记录单核每秒

原文链接：

链接: ververica文章