Web应用、网络监控、传感监测、电信金融、生产制造等领域，对数据实时处理的需求不断增强，而Spark中的SparkStreaming实时计算框架就是为了实现对数据实时处理的需求而设计的。在电子商务中，淘宝、京东等网站从用户点击的行为(如加入购物车)和浏览的历史记录中发现用户的购买意图和兴趣，然后通过Sparkstreaming实时计算框架分析处理，为之推荐相关商品，从而有效地提高商品的销售量，同时也增加了用户的满意度，可谓是“一举两得”。

那么什么是大数据实时计算?

传统的数据处理流程(离线计算)，先收集数据，然后将数据存储到数据库中。当需要某些数据时，通过对数据库中的数据做操作得到所需要的数据，再进行其他相关的处理。这样的处理流程会造成结果数据密集，结果数据密集则数据反馈不及时。在实时搜索的应用场景中，需要实时数据做决策，而传统的数据处理并不能很好地解决问题，这就引出了一种新的数据计算实时计算，针对海量数据进行实时计算，无论是在数据采集还是数据处理中都可以达到秒级别的处理要求。

常用的大数据实计算框架：

目前业内已经衍生出许多实时计算数据的框架，如 Apache Spark Streaming、ApacheStorn、Apache Flink以及 Yahoo! S4。

一、Apache Spark Streaming

Apache Spark Streaming即Apache公司免费、开源的实时计算框架。它主要是把输入的数据按时间进行切分，并对切分的数据块进行并行计算处理，处理的速度可以达到秒级别。Netflix公司通过Kaka和SparkStreaming构建了实时引擎，对每天从各种数据源接收到的数十亿数据进行分析，从而完成电影的推荐功能。

二、Apache Storm

Apache Storm即Twitter公司免费、开源贡献给Apache的一个分布式实时计算系统。它可以简单、高效、可靠地实时处理海量数据，处理数据的速度达到毫秒级别，并可将处理后的结果数据保存到持久化介质中(如数据库、HDFS)。阿里巴巴公司的Jstorm，就是参考ApacheStorn开发的实时计算框架，可以说是Stom的增强版本，在网络IO、线程模型、资源调度、可用性及稳定性上都做了极大的改进供很多企业使用。