Twitter发布更快的大数据实时分析系统Heron

特性：

Off the shelf scheduler：通过抽象出调度组件，我们可轻易地在一个共享的基础设施上部署，可以是多种的调度框架，比如Mesos、YARN或者一个定制的环境。

Handling spikes and congestion：Heron 具有一个背压机制，即在执行时的一个topology中动态地调整数据流，从而不影响数据的准确性。这在流量峰值和管道堵塞时非常有用。

Easy debugging：每个任务是进程级隔离的，从而很容易理解行为、性能和文件配置。此外，Heron topologies精致的图形界面，可以帮助快速和有效地排除故障。

Compatibility with Storm：Heron提供了完全兼容Storm的特性，我们无需再为新系统投资太多的时间和资源。另外，无需更改代码就可在Heron中运行现有的Storm topologies，实现轻松迁移。

Scalability and latency：Heron能够处理大规模的topologies，且满足高吞吐量和低延迟的要求。

性能：

Heron和Storm的吞吐量呈现线性增长的趋势。然而，在所有的实验中，Heron吞吐量比Storm高10–14倍。同样在端至端延迟方面，如图5所示，两者都在增加，可Heron延迟比Storm低5–15倍。

除此之外，我们已经运行topologies的规模大概是数百台的机器，其中许多实现了每秒产生数百万次事件的资源处理，完全没有问题。有了Heron，众多topologies的每秒集群数据可达到亚秒级延迟。在这些案例中，Heron实现目标的资源消耗能够比Storm更低。

更多信息请阅读原文，本信息非原创，仅提供摘要。