更具体地说，Hazelcast Jet解决了Flink无法解决的问题（同样好），反之亦然？
答案 0 :(得分：11)
注意：我属于Hazelcast Jet的核心工程团队。
我认为Hazelcast Jet的主要优势并非在于提供全新的计算模型，而是为Hazelcast提供与基于DAG的分布式计算领域相同的便利性。
如果您当前在群集中运行Java应用程序，则添加Jet将非常简单：添加Maven依赖项并编写一行代码以在本地成员上启动Jet实例。实例将自我发现以形成自己的群集，您现在可以将作业提交给它。
如果你想要一个专用的分布式计算集群，你将使用Jet作为单个依赖项进行一个简单的项目，并在集群中运行它，然后再从一个代码行再次从外部连接到它。 p>
毋庸置疑，Jet使用Hazelcast IMap或IList作为数据源非常方便。 Jet集群可以直接托管Hazelcast结构;然后，您将从数据位置中受益，并获得没有网络流量的数据。另一方面，数据源的选择完全不受约束，并且有专用于实现快速，任意分区的自定义数据源的公共API。
在版本0.3中，Jet为您提供灵活而强大的DAG模型，您可以精确控制计算的性能关键方面，以及熟悉的java.util.stream API适应形式的高级便利层关于分布式计算的细节（lambda序列化和其他问题）。
在1.0里程碑的路线图中，是对无限流处理的关注的一流支持，例如时间窗口，一致的快照以及对群集拓扑中的更改的弹性。
答案 1 :(得分：2)
在我看来，flink似乎提供了一些非常有用的流媒体功能，但目前还没有hatecast jet提供。
除此之外，它目前似乎也更加稳定和众所周知。 例如，您可以将其用作Apache Beam的运行时，然后在云上的Google数据流和您自己的部署之间轻松迁移。 所以我现在使用flink。
最佳