漫谈加持Blink的Flink和Spark

前言

今天朋友圈有篇【阿里技术】发的文章，说Blink的性能如何强悍，功能现在也已经比较完善。譬如：

Blink 在 TPC-DS 上和 Spark 相比有着非常明显的性能优势，而且这种性能优势随着数据量的增加而变得越来越大。在实际的场景这种优势已经超过 Spark 三倍，在流计算性能上我们也取得了类似的提升。我们线上的很多典型作业，性能是原来的 3 到 5 倍。在有数据倾斜的场景，以及若干比较有挑战的 TPC-H query，流计算性能甚至得到了数十倍的提升。

什么时候可以享受这波红利

还要等待一段时间。要想享受Blink的加持，大家可能还要等待一段时间，因为除了功能合并，还有代码质量。我敢打赌，代码质量肯定是没有原生flink好的。这个需要时间，不是靠人力就能搞定的。

一点忧思

阿里收购Flink母公司，然后马上发通告，说blink要合并进flink了，之前还是商量口吻。显然，这对于社区来说，是一个非常不友好的感觉。我猜测，社区部分优秀的人才（包括母公司）肯定会有人走的。开源项目对于PR的质量出了功能，更多的是架构，代码质量等等的考量。

那和Spark的对比怎么样？

Spark 和 Flink不在一个level级别战斗。Spark 从诞生没多久开始，就朝着AI方向发展，包括内置的mllib,深度学习后也马上抓住机遇，在2.2.x之后发力，DB公司开发了一套生态辅助系统，比如Spark deep Learning,Tensorframes, GraphFrames等等，另外还有众多第三方框架的加持。2.3-2.4在商业版本里则已经集成了如harvard等分布式深度学习框架，所以说，2.2.x之后，Spark的主战场早就已经是AI,而 Flink依然停留在流，批战场。

Flink,Spark性能好对机器学习有啥影响

有人会问，机器学习对性能不是很在乎么？现在flink性能据说那么好？到底有多少，这是一家之言，但是 在这些框架里

性能在AI方面不是很重要，因为他们对AI重在集成，而不是自己实现。这就意味着瓶颈是在数据交换以及AI框架自身之上。模型构件好进行预测，也是对应的AI框架自己去加载，提供预测接口，其他只是wrap一层而已。

盛夏即将发布的3.0则对AI更加友好，包括CPU/GPU的管理，K8s backend进一步完善， 数据交换(Spark - AI框架)的提速，内部Barria API 的完善等等。显然让Spark在AI领域进一步保持优势

和AI集成的基础，Spark以有所沉淀

和AI集成的好坏，取决于Java/Scala语言和Python语言的互通的质量。Spark 在1.6之前就已经支持Python,经过这么多年的优化，已经有了很好的经验，最新的arrow引入让速度更是成两位数的提升。

Flink 盛夏之下的喧闹

这次关于bink 合并进flink的通告不是由社区主导发送，而是阿里技术发送，显然有喧宾夺主的意味，会加大他们（母公司和阿里巴巴）融合的难度。极端点，Flink可能就由一个社区项目变成一个公司产品。阿里开源了那么多东西，有几个达到了真正的国际影响力，并且处于持续的发展之中的？公司加持对于社区而言，短期是利好，但是如果干预多了，长期就不被看好了。

Presto是facebook开源的并且运作，一切以满足公司需求为最高优先级，虽然presto很优秀，但是社区没有主导权，极大的限制了他的发展，终于发生了分裂（大家可以自己搜搜）。

最后加一句

不要再拿Spark streaming 和Flink比了，请拿Structured streaming 以及Continue Processing 来和Flink比。为啥国内还在拿Spark Streaming 和Flink比？

因为惯性使然，structured streaming 新引入了一堆概念，并且限制也比较多，spark streaming大家把之前该遇到的问题都遇到了，而且也有一定的积累，要切换就没那么容易了。加上flink有阿里加持，宣传势头很大,可能有的直接就从，spark streaming 切到flink去了。