四川醍醐
大家好，我是LakeShen
作為一個軟件開發工程師，我從事的方向主要是大數據方向，結合我的工作經驗，我個人認為，Spark不會完全取代Hadoop，Hadoop還有很多其他方面的大數據組件，這些組件是Spark所沒有的，同時，Flink在未來的發展，會作為實時計算方面的一種發展趨勢。下面來說一下我個人的看法：
Flink未來的發展
首先，Flink是什麼？Flink一種流式處理的實時計算引擎,它消費的數據可以來自Kafka、MetaQ等消息中間件，旨在降低數據計算的延時，使得我們可以實時監控我們業務相關的指標信息。Flink 目前作為國內最火的一款實時計算引擎，國內有很多互聯網大公司都使用Flink進行實時計算，阿里的Blink(Flink 阿里內部版本)、騰訊、今日頭條、美團等。Flink 天然的狀態管理，使得其能夠應用於公司的各種有狀態的實時計算。下面來看一下Flink Github上面的信息：
從上圖可以看到，關注Flink的人數達到了9929位人數，同時，每天都有很多用戶關注Flink。根據Apache 軟件基金會2019年的財報，Flink持續活躍，其社區郵件列表在所有開源項目活躍度第一。這也意味著，Flink 目前在實時計算方面非常的火熱。在加上阿里在Flink 1.9版本開源了很多 Flink SQL方面的特性，我相信，在未來，Flink在實時計算方面，是一種發展趨勢。
Spark相對於Hadoop的優勢
Spark本質也是一種大數據計算框架，它相對於Hadoop最重要的優勢，我個人認為是Spark能夠將中間計算的結果放在內存中，而Hadoop的中間結果只能放在磁盤上。Spark充分的利用的計算機內存的優勢，在數據量非常大的情況下，訪問計算機內存的速度肯定要比訪問磁盤快的多。一個離線任務，使用Spark幾分鐘就能跑完，而使用Hadoop可能需要幾十分鐘。時間上面的延遲，業務同學是肯定不會容忍的。
同時，用戶在開發Spark任務時，由於Spark 代碼開發的便利性，用戶幾行代碼就可以開發出Spark任務，但是Hadoop任務你需要編寫Mapper類、Reducer類。這極大的增加了開發同學開發任務的複雜度。所以，我個人認為，在離線計算方面，Spark在未來必然會取代Hadoop。
Spark相對於Hadoop的不足
Hadoop主要由三方面構成，MR計算模型、Yarn資源管理框架、HDFS分佈式文件存儲。雖然Hadoop在離線計算方面相對於Spark較慢，但是其在資源管理和分佈式文件存儲方面做得非常完善，很多公司不會為了計算快而完全放棄Hadoop，Spark只是一款大數據計算框架，它沒有自己的資源管理框架和存儲。Spark的資源管理使用的是Hadoop Yarn，底層的文件存儲，使用的Hadoop HDFS。Spark的優勢只是其比Hadoop在離線計算方面速度快，但在其他方面，比如資源管理等，根本沒有任何優勢。
總結
所以，我個人認為，未來在離線計算方面，Spark必然會代替Hadoop作為很多大數據公司的首選。但是由於Hadoop其底層的資源管理框架Yarn和文件存儲HDFS已經非常完善，所以互聯網公司還會使用Hadoop，但會使用Spark來進行離線數據計算。同時，Flink未來在實時計算方面肯定是一種發展趨勢，在加上國內阿里的大力推廣和運營，我相信Flink以後發展會越來越好。
