「」无处不在的流计算到底是什么？终于有人讲明白了(附导图)( 三 )

将实时流计算应用中的状态分为了“流数据状态”和“流信息状态” 。可以说是从两个不同的维度对“流”进行的管理。前者“流数据状态”是从“时间”角度对流进行管理，而后者“流信息状态”则是从“空间”角度对流的管理。
“流信息状态”弥补了“流数据状态”只是对事件在时间序列上做管理的不足，将流的状态扩展到了任意的空间。
目前，针对“流信息状态”的存储，主要有三种方式：

计算节点和状态数据节点分离的分布式内存数据库方案

本文插图
▲图3：使用Redis集群进行状态存储和管理

计算节点和状态数据节点共存的分布式内存格点方案

本文插图
▲图4：使用Ignite集群进行状态存储和管理

基于分布式文件系统同步状态数据的方案

本文插图
▲图5：基于分布式文件系统的状态存储和管理集群
将“流计算应用本身的执行过程”和“流数据的信息管理机制”解耦，这使得实时流计算系统的整体结构更加清晰。如果我们将前者理解为CPU的执行流水线，那么后者就相当于是内存。实时流计算系统的这种架构就非常像是一个分布式的JVM了！
04 流计算框架
目前的开源流计算框架有许多，比如Apache Storm、Spark Streaming、Apache Samza、Apache Flink、Akka Streaming、Apache Beam等。这些流计算框架各有特色，那我们该如何面对琳琅满目的流计算框架呢？可以从两个角度来看待这个问题。
从横向功能特征的角度来看，其实所有流计算框架的核心概念都是相同的。只要我们掌握了流计算中的核心概念，把握流计算框架中各种问题的关键所在，那么面对这些流计算框架，也不会感到眼花缭乱，乱了阵脚。
从纵向发展历史的角度来看，以Flink为代表的新一代流计算框架，在理论和实践上都已日趋完善和成熟。当掌握了流计算中的核心概念后，不妨一开始就站在Flink这个巨人的肩膀上，开始在流计算领域的探索和实践。
而作为有希望统一流计算领域的Apache Beam ，实际上是构建在各种具体流计算框架上的更高一层统一编程模式，它对流计算中的各种概念和问题做出了总结，是我们追踪流计算领域最新进展的一个好切入点。
最后附上实时流计算系统思维导图：