个人技术分享

如果应用需要复杂的流处理、低延迟和高吞吐量，Flink可能是更好的选择。而对于批处理或对延迟要求不高的流处理任务，以及需要丰富生态系统和成熟稳定性的场景，Spark可能更加适合。Apache Spark和Apache Flink都是流行的大数据处理框架，但它们在设计理念、性能特性以及适用的使用场景上有所不同。也提供了丰富的API，包括DataStream API和Table API，同时有一定的机器学习和图处理的支持。适合于需要低延迟和高吞吐量的实时流处理应用，以及复杂的事件驱动应用。

【spark RDD】spark 之 Kryo序列化框架

在 AMQP 中，Producer 将消息发送到 Exchange ，再由 Exchange 将消息路由到一个或多个 Queue 中（或者丢弃）。Exchange 根据 Routing Key 和 Binding Key 将消息路由到 Queue ，目前提供了四种类型。A. QueueQueue: Queue（队列）是RabbitMQ的内部对象，用于存储消息,RabbitMQ 中的消息都只能存储在 Queue 中,生产消息并最终投递到Queue中, 消费者可以从Queue中获取消息并消费。

主要用于复习和知识点快速复习。