[在探索Akka流时，我还遇到了Apache Flink流处理引擎。Akka流实现反应流并支持背压。
因此，如果我必须在两个之间做出决定，应该选择哪个？它们有何不同？有何相似之处？这里的标准是什么？
我不是Akka Streams的专家，但据我所知，主要区别在于Flink提供开箱即用的处理分布，而Akka Streams则不提供，因为它被设计为在单个数据上处理数据。节点。
两者之间的相似之处在于它们都提供流处理功能，从这个意义上讲，它们可能具有相似的功能。
但是，Flink有多个其他模块，例如SQL，CEP或机器学习，您将无法在Akka Streams中获得这些模块。另外，Flink还提供故障安全和状态恢复功能，我不确定这些是否存在于Akka Streams中。
另一方面，设置Akka Streaming所需的工作较少，因为您不必担心设置JobManager和TaskManager，而只需创建Java / Scala应用程序，即可在某处进行dockerize并运行它。
所以，您应该问自己的主要问题是，如果您正在处理的数据足够大，如果需要处理，那么它需要在多个节点上进行处理，那么您实际上除了Flink之外别无选择（仅在场景Akka Streams中与Flink）。但是，如果可以在单个节点上处理要处理的数据，则应评估所需的故障安全和消息传递保证。在一般情况下，开始使用Akka Streams可能会更容易，但是在生产应用程序时Flink可能会接管。
Akka Streams是实现reactive streams specification的库。
Apache Flink是流引擎。
主要的高级区别是，在Apache Flink中，您通过对其中一个Flink API进行编码来创建作业，然后将该作业提交给Apache Flink集群。 Apache Flink集群执行流处理作业。通过使用Akka Streams，您可以创建一个独立的应用程序。从这个意义上讲，Akka Streams是两者中较轻的一种。
您仍然可以使用StreamRefs分发基于Akka Streams的应用程序，尽管您需要在代码中显式地执行此操作，并且需要运行Akka Cluster。 Apache Flink已经管理了一个集群，因此您无需在代码中显式地执行此操作（尽管您仍然需要设置并运行集群才能向其提交作业）。 Apache Flink具有内置的智能功能，可以接管工作并以最佳方式执行它。并行/分配执行when possible。您无法通过Akka Streams来实现。
Apache Flink流处理旨在在出现故障时实现end2end exactly once processing semantics。在Akka Streams中，需要在您的代码中明确实现这种保证。
Akka Streams作为反应性流规范的实现全部关于异步和内存绑定处理。例如，Akka HTTP建立在Akka流的基础上，因此实现了HTTP协议的非常高效且轻量级的客户端和服务器端。
Akka Streams实现异步非阻塞背压（根据反应流规范），以确保执行期间的内存有界。 Apache Flink也有一个backpressure mechanism，尽管其实现方式不同。
Akka流作为反应性流规范的一种实现可以与其他实现，例如RxJava或Project Reactor互操作。 Apache Flink不是任何更广泛标准的一部分。
我会说选择Apache Flink的主要原因是它附带的一次保证和自动分发。否则，Akka Streams是具有更简单执行模型的非常强大的API。
编辑：可能值得一提的项目Alpakka为Akka Streams带来了许多技术，以便可以将它们插入基于反应性流的处理中。