一、背景

Apache Flink 和 Apache Storm 是當前業界廣泛使用的兩個分布式實時計算框架。其中 Apache Storm(以下簡稱“Storm”)在美團點評實時計算業務中已有較為成熟的運用，有管理平臺、常用 API 和相應的文檔，大量實時作業基于 Storm 構建。

Apache Storm參考鏈接：http://storm.apache.org/

[[269062]]

而 Apache Flink(以下簡稱“Flink”)在近期倍受關注，具有高吞吐、低延遲、高可靠和精確計算等特性，對事件窗口有很好的支持，目前在美團點評實時計算業務中也已有一定應用。

Apache Flink參考鏈接：https://flink.apache.org/

為深入熟悉了解 Flink 框架，驗證其穩定性和可靠性，評估其實時處理性能，識別該體系中的缺點，找到其性能瓶頸并進行優化，給用戶提供最適合的實時計算引擎，我們以實踐經驗豐富的 Storm 框架作為對照，進行了一系列實驗測試 Flink 框架的性能。

計算 Flink 作為確保“至少一次”和“恰好一次”語義的實時計算框架時對資源的消耗，為實時計算平臺資源規劃、框架選擇、性能調優等決策及 Flink 平臺的建設提出建議并提供數據支持，為后續的 SLA 建設提供一定參考。

Flink 與 Storm 兩個框架對比：

二、測試目標

評估不同場景、不同數據壓力下 Flink 和 Storm 兩個實時計算框架目前的性能表現，獲取其詳細性能數據并找到處理性能的極限;了解不同配置對 Flink 性能影響的程度，分析各種配置的適用場景，從而得出調優建議。

1、測試場景

1)“輸入-輸出”簡單處理場景

通過對“輸入-輸出”這樣簡單處理邏輯場景的測試，盡可能減少其它因素的干擾，反映兩個框架本身的性能。

同時測算框架處理能力的極限，處理更加復雜的邏輯的性能不會比純粹“輸入-輸出”更高。

2)用戶作業耗時較長的場景

如果用戶的處理邏輯較為復雜，或是訪問了數據庫等外部組件，其執行時間會增大，作業的性能會受到影響。因此，我們測試了用戶作業耗時較長的場景下兩個框架的調度性能。

3)窗口統計場景

實時計算中常有對時間窗口或計數窗口進行統計的需求，例如一天中每五分鐘的訪問量，每 100 個訂單中有多少個使用了優惠等。Flink 在窗口支持上的功能比 Storm 更加強大，API 更加完善，但是我們同時也想了解在窗口統計這個常用場景下兩個框架的性能。

4)精確計算場景(即消息投遞語義為“恰好一次”)

Storm 僅能保證“至多一次” (At Most Once) 和“至少一次” (At Least Once) 的消息投遞語義，即可能存在重復發送的情況。

有很多業務場景對數據的精確性要求較高，希望消息投遞不重不漏。Flink 支持“恰好一次” (Exactly Once) 的語義，但是在限定的資源條件下，更加嚴格的精確度要求可能帶來更高的代價，從而影響性能。

因此，我們測試了在不同消息投遞語義下兩個框架的性能，希望為精確計算場景的資源規劃提供數據參考。

2、性能指標

1)吞吐量(Throughput)

• 單位時間內由計算框架成功地傳送數據的數量，本次測試吞吐量的單位為：條/秒。
• 反映了系統的負載能力，在相應的資源條件下，單位時間內系統能處理多少數據。
• 吞吐量常用于資源規劃，同時也用于協助分析系統性能瓶頸，從而進行相應的資源調整以保證系統能達到用戶所要求的處理能力。假設商家每小時能做二十份午餐(吞吐量 20 份/小時)，一個外賣小哥每小時只能送兩份(吞吐量 2 份/小時)，這個系統的瓶頸就在小哥配送這個環節，可以給該商家安排十個外賣小哥配送。

2)延遲(Latency)

• 數據從進入系統到流出系統所用的時間，本次測試延遲的單位為：毫秒。
• 反映了系統處理的實時性。
• 金融交易分析等大量實時計算業務對延遲有較高要求，延遲越低，數據實時性越強。
• 假設商家做一份午餐需要 5 分鐘，小哥配送需要 25 分鐘，這個流程中用戶感受到了 30 分鐘的延遲。如果更換配送方案后延遲變成了 60 分鐘，等送到了飯菜都涼了，這個新的方案就是無法接受的。

三、測試環境

為 Storm 和 Flink 分別搭建由 1 臺主節點和 2 臺從節點構成的 Standalone 集群進行本次測試。其中為了觀察 Flink 在實際生產環境中的性能，對于部分測內容也進行了 on Yarn 環境的測試。

1、集群參數

2、框架參數

四、測試方法

1、測試流程

1)數據生產

Data Generator 按特定速率生成數據，帶上自增的 id 和 eventTime 時間戳寫入 Kafka 的一個 Topic(Topic Data)。

2)數據處理

Storm Task 和 Flink Task (每個測試用例不同)從 Kafka Topic Data 相同的 Offset 開始消費，并將結果及相應 inTime、outTime 時間戳分別寫入兩個 Topic(Topic Storm 和 Topic Flink)中。

3)指標統計

Metrics Collector 按 outTime 的時間窗口從這兩個 Topic 中統計測試指標，每五分鐘將相應的指標寫入 MySQL 表中。

Metrics Collector 按 outTime 取五分鐘的滾動時間窗口，計算五分鐘的平均吞吐(輸出數據的條數)、五分鐘內的延遲(outTime - eventTime 或 outTime - inTime)的中位數及 99 線等指標，寫入 MySQL 相應的數據表中。最后對 MySQL 表中的吞吐計算均值，延遲中位數及延遲 99 線選取中位數，繪制圖像并分析。

2、默認參數

• Storm 和 Flink 默認均為 At Least Once語義。
  • Storm 開啟 ACK，ACKer 數量為 1。
  • Flink 的 Checkpoint 時間間隔為 30 秒，默認 StateBackend 為 Memory。
• 保證 Kafka 不是性能瓶頸，盡可能排除 Kafka 對測試結果的影響。
• 測試延遲時數據生產速率小于數據處理能力，假設數據被寫入 Kafka 后立刻被讀取，即 eventTime 等于數據進入系統的時間。
• 測試吞吐量時從 Kafka Topic 的最舊開始讀取，假設該 Topic 中的測試數據量充足。

3、測試用例

1)Identity

• Identity 用例主要模擬“輸入-輸出”簡單處理場景，反映兩個框架本身的性能。
• 輸入數據為“msgId, eventTime”，其中 eventTime 視為數據生成時間。單條輸入數據約 20 B。
• 進入作業處理流程時記錄 inTime，作業處理完成后(準備輸出時)記錄 outTime。
• 作業從 Kafka Topic Data 中讀取數據后，在字符串末尾追加時間戳，然后直接輸出到 Kafka。
• 輸出數據為“msgId, eventTime, inTime, outTime”。單條輸出數據約 50 B。

Identity 流程圖

2)Sleep

• Sleep 用例主要模擬用戶作業耗時較長的場景，反映復雜用戶邏輯對框架差異的削弱，比較兩個框架的調度性能。
• 輸入數據和輸出數據均與 Identity 相同。
• 讀入數據后，等待一定時長(1 ms)后在字符串末尾追加時間戳后輸出。

Sleep 流程圖

3)Windowed Word Count

• Windowed Word Count 用例主要模擬窗口統計場景，反映兩個框架在進行窗口統計時性能的差異。
• 此外，還用其進行了精確計算場景的測試，反映 Flink 恰好一次投遞的性能。
• 輸入為 JSON 格式，包含 msgId、eventTime 和一個由若干單詞組成的句子，單詞之間由空格分隔。單條輸入數據約 150 B。
• 讀入數據后解析 JSON，然后將句子分割為相應單詞，帶 eventTime 和 inTime 時間戳發給 CountWindow 進行單詞計數，同時記錄一個窗口中最大最小的 eventTime 和 inTime，最后帶 outTime 時間戳輸出到 Kafka 相應的 Topic。
• Spout/Source 及 OutputBolt/Output/Sink 并發度恒為 1，增大并發度時僅增大 JSONParser、CountWindow 的并發度。
• 由于 Storm 對 window 的支持較弱，CountWindow 使用一個 HashMap 手動實現，Flink 用了原生的 CountWindow 和相應的 Reduce 函數。

Windowed Word Count 流程圖

五、測試結果

① Identity 單線程吞吐量

Identity 單線程吞吐量

• 上圖中藍色柱形為單線程 Storm 作業的吞吐，橙色柱形為單線程 Flink 作業的吞吐。
• Identity 邏輯下，Storm 單線程吞吐為 8.7萬條/秒，Flink 單線程吞吐可達35萬條/秒。
• 當 Kafka Data 的 Partition 數為 1 時，Flink 的吞吐約為 Storm 的 3.2 倍;當其 Partition 數為 8 時，Flink 的吞吐約為 Storm 的 4.6 倍。
• 由此可以看出，Flink 吞吐約為 Storm 的 3-5 倍。

② Identity 單線程作業延遲

Identity 單線程作業延遲

• 采用 outTime - eventTime 作為延遲，圖中藍色折線為 Storm，橙色折線為 Flink。虛線為 99 線，實線為中位數。
• 從圖中可以看出隨著數據量逐漸增大，Identity 的延遲逐漸增大。其中 99 線的增大速度比中位數快，Storm 的 增大速度比 Flink 快。
• 其中 QPS 在 80000 以上的測試數據超過了 Storm 單線程的吞吐能力，無法對 Storm 進行測試，只有 Flink 的曲線。
• 對比折線最右端的數據可以看出，Storm QPS 接近吞吐時延遲中位數約 100 毫秒，99 線約 700 毫秒，Flink 中位數約 50 毫秒，99 線約 300 毫秒。Flink 在滿吞吐時的延遲約為 Storm 的一半。

③ Sleep吞吐量

Sleep 吞吐量

• 從圖中可以看出，Sleep 1 毫秒時，Storm 和 Flink 單線程的吞吐均在 900 條/秒左右，且隨著并發增大基本呈線性增大。
• 對比藍色和橙色的柱形可以發現，此時兩個框架的吞吐能力基本一致。

④ Sleep 單線程作業延遲(中位數)

Sleep 單線程作業延遲(中位數)

• 依然采用 outTime - eventTime 作為延遲，從圖中可以看出，Sleep 1 毫秒時，Flink 的延遲仍低于 Storm。

⑤ Windowed Word Count 單線程吞吐量

Windowed Word Count 單線程吞吐量

• 單線程執行大小為 10 的計數窗口，吞吐量統計如圖。
• 從圖中可以看出，Storm 吞吐約為 1.2 萬條/秒，Flink Standalone 約為 4.3 萬條/秒。Flink 吞吐依然為 Storm 的 3 倍以上。

⑥ Windowed Word Count Flink At Least Once 與 Exactly Once 吞吐量對比

Windowed Word Count Flink At Least Once 與 Exactly Once 吞吐量對比

• 由于同一算子的多個并行任務處理速度可能不同，在上游算子中不同快照里的內容，經過中間并行算子的處理，到達下游算子時可能被計入同一個快照中。這樣一來，這部分數據會被重復處理。因此，Flink 在 Exactly Once 語義下需要進行對齊，即當前最早的快照中所有數據處理完之前，屬于下一個快照的數據不進行處理，而是在緩存區等待。當前測試用例中，在 JSON Parser 和 CountWindow、CountWindow 和 Output 之間均需要進行對齊，有一定消耗。為體現出對齊場景，Source/Output/Sink 并發度的并發度仍為 1，提高了 JSONParser/CountWindow 的并發度。具體流程細節參見前文 Windowed Word Count 流程圖。
• 上圖中橙色柱形為 At Least Once 的吞吐量，黃色柱形為 Exactly Once 的吞吐量。對比兩者可以看出，在當前并發條件下，Exactly Once 的吞吐較 At Least Once 而言下降了 6.3%。

⑦ Windowed Word Count Storm At Least Once 與 At Most Once 吞吐量對比

Windowed Word Count Storm At Least Once 與 At Most Once 吞吐量對比

• Storm 將 ACKer 數量設置為零后，每條消息在發送時就自動 ACK，不再等待 Bolt 的 ACK，也不再重發消息，為 At Most Once 語義。
• 上圖中藍色柱形為 At Least Once 的吞吐量，淺藍色柱形為 At Most Once 的吞吐量。對比兩者可以看出，在當前并發條件下，At Most Once 語義下的吞吐較 At Least Once 而言提高了 16.8%。

⑧ Windowed Word Count 單線程作業延遲

Windowed Word Count 單線程作業延遲

• Identity 和 Sleep 觀測的都是 outTime - eventTime，因為作業處理時間較短或 Thread.sleep 精度不高，outTime - inTime 為零或沒有比較意義;Windowed Word Count 中可以有效測得 outTime - inTime 的數值，將其與 outTime - eventTime 畫在同一張圖上，其中 outTime - eventTime 為虛線，outTime - InTime 為實線。
• 觀察橙色的兩條折線可以發現，Flink 用兩種方式統計的延遲都維持在較低水平;觀察兩條藍色的曲線可以發現，Storm 的 outTime - inTime 較低，outTime - eventTime 一直較高，即 inTime 和 eventTime 之間的差值一直較大，可能與 Storm 和 Flink 的數據讀入方式有關。
• 藍色折線表明 Storm 的延遲隨數據量的增大而增大，而橙色折線表明 Flink 的延遲隨著數據量的增大而減小(此處未測至 Flink 吞吐量，接近吞吐時 Flink 延遲依然會上升)。
• 即使僅關注 outTime - inTime(即圖中實線部分)，依然可以發現，當 QPS 逐漸增大的時候，Flink 在延遲上的優勢開始體現出來。

⑨ Windowed Word Count Flink At Least Once 與 Exactly Once 延遲對比

Windowed Word Count Flink At Least Once 與 Exactly Once 延遲對比

• 圖中黃色為 99 線，橙色為中位數，虛線為 At Least Once，實線為 Exactly Once。圖中相應顏色的虛實曲線都基本重合，可以看出 Flink Exactly Once 的延遲中位數曲線與 At Least Once 基本貼合，在延遲上性能沒有太大差異。

⑩ Windowed Word Count Storm At Least Once 與 At Most Once 延遲對比

Windowed Word Count Storm At Least Once 與 At Most Once 延遲對比

• 圖中藍色為 99 線，淺藍色為中位數，虛線為 At Least Once，實線為 At Most Once。QPS 在 4000 及以前的時候，虛線實線基本重合;QPS 在 6000 時兩者已有差異，虛線略高;QPS 接近 8000 時，已超過 At Least Once 語義下 Storm 的吞吐，因此只有實線上的點。
• 可以看出，QPS 較低時 Storm At Most Once 與 At Least Once 的延遲觀察不到差異，隨著 QPS 增大差異開始增大，At Most Once 的延遲較低。

⑪Windowed Word Count Flink 不同 StateBackends 吞吐量對比

Windowed Word Count Flink 不同 StateBackends 吞吐量對比

• Flink 支持 Standalone 和 on Yarn 的集群部署模式，同時支持 Memory、FileSystem、RocksDB 三種狀態存儲后端(StateBackends)。由于線上作業需要，測試了這三種 StateBackends 在兩種集群部署模式上的性能差異。其中，Standalone 時的存儲路徑為 JobManager 上的一個文件目錄，on Yarn 時存儲路徑為 HDFS 上一個文件目錄。
• 對比三組柱形可以發現，使用 FileSystem 和 Memory 的吞吐差異不大，使用 RocksDB 的吞吐僅其余兩者的十分之一左右。
• 對比兩種顏色可以發現，Standalone 和 on Yarn 的總體差異不大，使用 FileSystem 和 Memory 時 on Yarn 模式下吞吐稍高，使用 RocksDB 時 Standalone 模式下的吞吐稍高。

⑫Windowed Word Count Flink 不同 StateBackends 延遲對比

Windowed Word Count Flink 不同 StateBackends 延遲對

• 使用 FileSystem 和 Memory 作為 Backends 時，延遲基本一致且較低。
• 使用 RocksDB 作為 Backends 時，延遲稍高，且由于吞吐較低，在達到吞吐瓶頸前的延遲陡增。其中 on Yarn 模式下吞吐更低，接近吞吐時的延遲更高。

六、結論及建議

1、框架本身性能

由①、⑤的測試結果可以看出，Storm 單線程吞吐約為 8.7 萬條/秒，Flink 單線程吞吐可達 35 萬條/秒。Flink 吞吐約為 Storm 的 3-5 倍。

由②、⑧的測試結果可以看出，Storm QPS 接近吞吐時延遲(含 Kafka 讀寫時間)中位數約 100 毫秒，99 線約 700 毫秒，Flink 中位數約 50 毫秒，99 線約 300 毫秒。Flink 在滿吞吐時的延遲約為 Storm 的一半，且隨著 QPS 逐漸增大，Flink 在延遲上的優勢開始體現出來。

綜上可得，Flink 框架本身性能優于 Storm。

2、復雜用戶邏輯對框架差異的削弱

對比①和③、②和④的測試結果可以發現，單個 Bolt Sleep 時長達到 1 毫秒時，Flink 的延遲仍低于 Storm，但吞吐優勢已基本無法體現。

因此，用戶邏輯越復雜，本身耗時越長，針對該邏輯的測試體現出來的框架的差異越小。

3、不同消息投遞語義的差異

由⑥、⑦、⑨、⑩的測試結果可以看出，Flink Exactly Once 的吞吐較 At Least Once 而言下降 6.3%，延遲差異不大;Storm At Most Once 語義下的吞吐較 At Least Once 提升 16.8%，延遲稍有下降。

由于 Storm 會對每條消息進行 ACK，Flink 是基于一批消息做的檢查點，不同的實現原理導致兩者在 At Least Once 語義的花費差異較大，從而影響了性能。而 Flink 實現 Exactly Once 語義僅增加了對齊操作，因此在算子并發量不大、沒有出現慢節點的情況下對 Flink 性能的影響不大。Storm At Most Once 語義下的性能仍然低于 Flink。

4、Flink 狀態存儲后端選擇

Flink 提供了內存、文件系統、RocksDB 三種 StateBackends，結合⑪、⑫的測試結果，三者的對比如下：

5、推薦使用 Flink 的場景

綜合上述測試結果，以下實時計算場景建議考慮使用 Flink 框架進行計算：

• 要求消息投遞語義為 Exactly Once的場景;
• 數據量較大，要求高吞吐低延遲的場景;
• 需要進行狀態管理或窗口統計的場景。

七、展望

本次測試中尚有一些內容沒有進行更加深入的測試，有待后續測試補充。例如：

• Exactly Once 在并發量增大的時候是否吞吐會明顯下降?
• 用戶耗時到 1ms 時框架的差異已經不再明顯(Thread.sleep() 的精度只能到毫秒)，用戶耗時在什么范圍內 Flink 的優勢依然能體現出來?

本次測試僅觀察了吞吐量和延遲兩項指標，對于系統的可靠性、可擴展性等重要的性能指標沒有在統計數據層面進行關注，有待后續補充。

Flink 使用 RocksDBStateBackend 時的吞吐較低，有待進一步探索和優化。

關于 Flink 的更高級 API，如 Table API & SQL 及 CEP 等，需要進一步了解和完善。