极客时间已完结课程限时免费阅读

083 | 阿里巴巴的大数据故事：流计算引擎发展史

083 | 阿里巴巴的大数据故事：流计算引擎发展史-极客时间

083 | 阿里巴巴的大数据故事：流计算引擎发展史

2018-04-13 徐飞 来自北京
《技术与商业案例解读》
课程介绍

讲述：秭明

时长06:54大小4.27M

在阿里巴巴的发展过程中，流数据处理一直是业务中很重要的一部分。和数据分析平台不一样，阿里巴巴内部的流数据处理平台有很多套。
在阿里巴巴的流数据发展历程里，有两个著名的流引擎 JStorm 和 Blink 依然还在产生着深远的影响。这种影响并不仅仅在阿里巴巴集团的内部，并且扩散到了全球的开源世界。比起其他用于集团内部的流计算引擎，它们更被人所熟知，今天我们就来重点分析一下这两个流计算引擎的发展。
我们先来说说 Storm 和 JStorm
Storm 是被 Twitter 收购以后才开源出来的流计算引擎。阿里巴巴集团是在封仲淹带领的团队下才开始使用 Storm 的。
我在之前讲 Storm 的时候说过，这种流计算引擎是用一种比较小众的函数式编程语言 Clojure 开发出来的。国内的 Clojure 专家屈指可数，因此阿里巴巴使用 Storm 时遇到了很多的问题。
毕竟有些时候需要去增加或者改变一些功能，而这也就意味着需要对系统进行改进或者定制，但是 Clojure 语言十分小众，懂这种编程语言的人尚且不多，更不用说专业去修改了，所以，这些都决定了这种工作非常难以展开。
鉴于 Storm 十分难以改进和定制，又是当时开源世界里最成熟的流计算引擎。于是，从 2012 年开始，阿里巴巴决定用 Java 对 Storm 进行重写，这就是 JStorm 项目的由来。
按照封仲淹的观点来说，JStorm 就是 Storm 二次开发的产物。它可以让用户无缝地从 Storm 迁移到 JStorm。
阿里巴巴选择用 Java 进行开发，这让开发进度明显加快。而且，源于阿里巴巴的应用规模、对数据实时性等种种要求，团队对 JStorm 也进行了很多的优化。可以这么说，JStorm 的出现，解决了 Storm 存在的很多问题。
2015 年 11 月 19 日，阿里巴巴集团正式向 Apache 基金会捐赠了 JStorm。JStorm 成为了 Apache Storm 下面的一个子项目，并在 Apache 基金会里继续孵化。
那段时间，JStorm 的作者们对于开源表现出非常大的积极性。封仲淹那时也表示，整个社区的 Storm 2.0 会基于阿里巴巴的 JStorm，用 Java 语言进行开发。
然而世事无常，JStorm 在 Apache 的孵化器里待了快两年，依然没有成为 Apache 基金会的顶级项目。而 Storm2.0 这个以阿里巴巴 JStorm 为主的开发项目更是连影子都没有见到。
对于此事，我非常好奇，但并不真正知晓其答案。只是有次听到一个 Apache 圈内人士聊到过，说阿里巴巴和 Storm 社区之间似乎有了矛盾。
再来说说 Flink 和 Blink
Flink 是德国柏林工业大学设计的一个流计算引擎，现在是 Apache 的顶级开源项目。Flink 这个引擎从模型的角度来看是非常先进的，但是在工程实现上却相对薄弱一些。
Flink 也被阿里巴巴集团用到了自己的生产环境中，项目的领导者是曾经在微软 SQL Server 组以及 Facebook 都待过的数据库专家蒋晓伟（花名“量仔”）。
他在接受采访时表示，在 Spark 和 Flink 这两个引擎中，Flink 的设计理念更为先进一些，也更符合阿里巴巴对流计算引擎的要求，这恰恰也是他的团队选择这个引擎的原因。
当然，阿里巴巴集团并没有把 Flink 拿来直接使用，而是对 Flink 进行了大量的、全方位的改造，不仅提高了 Flink 的性能，而且改进了不少功能。这个项目在阿里巴巴内部叫作 Blink，是阿里巴巴集团内部很多业务的流处理引擎，其重要地位可见一斑。
Blink 目前还未开源，但在与社区的合作上，Blink 团队和 Flink 的开发者之间保持了更为友好的关系。Flink 的开发团队多次在公开场合感谢 Blink 团队对 Flink 项目的贡献，Blink 团队也把很多功能都反馈到了 Flink 的代码库里。
为什么 JStorm 和 Blink 同为由阿里巴巴主导的，针对 Apache 已有项目改良的产物，却在和开源社区的互动以及对开源社区的影响方面有着不同的结果。我想，这其中大概有几方面的原因。
首先，Flink 是后起之秀，又来自德国，还是从学校里出来的。在 Flink 流进市场的时候，北美的主要互联网企业要么已经使用了自研的流计算引擎，要么已经基于开源的流计算引擎开展了业务，不太可能短期内更新流计算引擎到 Flink，所以 Flink 本身就需要大客户的支撑，阿里巴巴的出现恰逢其时。
其次是 Flink 团队和阿里巴巴团队的互补性比较强。前者理论基础好，但是没有工业界的开发经验，后者工业界开发经验却很足，这也就让双方的合作有了基础。
最后，也可能是最重要的一点就是，这还是一个面子问题。JStorm 的做法是把 Storm 的整个代码库用另外一个语言完全重写了一遍，这无疑是一种比较得罪人的做法。而 Blink 在贡献回自己的代码时，是在 Flink 原有代码基础上改的，并且改动时也和 Flink 的人做了仔细协商。我想，也许就是这两种不同的合作态度，决定了两个项目的不同结果。
除了这两个流计算引擎以外，阿里巴巴内部还有其他一些流计算引擎（包括 Max Compute 组自己开发的，一个完全和开源社区无关的流计算引擎），但是这些引擎公开的消息很少，我就算是有心想研究它们，却也不知道从何下手了。
不过最新消息称，经过多年不同引擎之间的内部 PK，阿里巴巴在 2018 年终于确定了：未来 Blink 会是阿里巴巴集团统一的流计算引擎。
JStorm 和其他的流计算引擎上的业务都会慢慢迁移过来，最终整个公司的所有流计算引擎的开发和维护资源都会集中到 Blink 上。这也是阿里巴巴集团内部第一次有某种数据处理产品“一统江山”。
两个流计算引擎和开源社区的交流的不同结局告诉我们，和开源社区打交道，仅仅是提供自认为更加厉害的代码给开源社区是远远不够的。尤其是贡献代码的同时却没有给予社区主要贡献者足够的尊重，往往会让事情往坏的方向发展。和社区的合作需要大量持续的互动和交流，以及对社区主要贡献者的尊重。
分享给需要的人，Ta购买本课程，你将得20元
生成海报并分享

赞 4

提建议

© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
上一篇
082 | 阿里巴巴的大数据故事：数据分析平台发展史
下一篇
084 | 大公司的大数据战略得失：自建轮子成本高
unpreview
 写留言

精选留言(5)

  • Mingjie
    2019-08-24
    百度作为一个靠搜索起家的公司，没有和Google类似的大数据存储吗？

    作者回复: 有，但是没完全自研的

    1
  • caohuan
    2018-12-09
    尊重作者，在开源软件 中 也需要 尊重知识产权 这样 才有 和谐的合作，丰富 开源社区，工业界 与 科技界 相互补充 促进 开源的繁荣。
    1
  • songyy
    2018-08-08
    真是一个EQ影响开源项目的好例子 😁
    1
  • 2019-05-29
    需要多元化，就像谷歌的三架马车，微软的两只脚，从自身卖点出发，寻找相切合的项目，有资金有技术可以自己研究，有资金没技术可以去市场寻找购买（最简洁）。

    作者回复: 阿里巴巴的技术投入还是很牛逼的

    1
  • 村长@极客时间
    2019-02-24
    那以前JStorm业务上的人会不会被淘汰掉？