大数据实时计算引擎是实现大数据实时处理的关键软件，它们能够高效地处理海量数据流，并实时地提供数据分析和处理结果。以下是几种常见的大数据实时计算引擎：

1. Apache Flink

Apache Flink是一种高性能、可扩展的流处理和批处理大数据引擎。它能够运行在各种集群环境中，支持数据流的实时处理和批处理任务的离线处理。Flink提供了基于Java和Scala的API，使得开发者可以方便地编写复杂的数据处理流程。此外，Flink还提供了事件时间语义、容错机制和高度可定制的数据源和sink，使得它成为许多企业和组织首选的大数据实时计算引擎。

2. Apache Storm

Apache Storm是一种分布式实时计算系统，被广泛应用于实时数据处理和分析。它能够处理大量数据流，并提供高可靠性和容错机制。Storm的API简单易用，支持多种编程语言，如Java、Python等。此外，Storm还支持多种数据源和sink，如HDFS、数据库等，使得它成为许多大数据实时应用的首选。

3. Apache Samza

Apache Samza是一种分布式流处理框架，它与Apache Hadoop生态系统相结合，提供了一种可扩展的、高可靠性的实时数据处理方案。Samza的API基于Java，并使用了Kafka作为数据传输层，支持多种数据源和sink，如HDFS、数据库等。此外，Samza还提供了容错机制和高度可定制的数据处理流程，使得它成为许多企业和组织用于实时数据处理和分析的理想选择。

4. Apache Beam

Apache Beam是一种统一的编程模型，它提供了跨多种大数据处理引擎的一致性API，包括Flink、Spark、MapReduce等。Beam的API使得开发者可以轻松地编写可扩展、高效的分布式数据处理流程，并且可以在不同的引擎之间移植和运行。Beam还提供了多种数据处理模型，如批处理、流处理等，使得开发者可以根据不同的应用场景选择最合适的模型。

5. Apache Heron

Apache Heron是一种实时流计算引擎，它是Twitter开发并开源的。Heron旨在提供高性能、可扩展的实时数据处理和分析能力，并且易于使用和管理。Heron的API支持多种编程语言，如Java、Python等，并且提供了强大的监控工具和可视化界面。此外，Heron还支持多种数据源和sink，如Kafka、HDFS等，使得它成为许多企业和组织用于实时数据处理和分析的优秀选择。

以上就是几种常见的大数据实时计算引擎，它们各自具有不同的特点和优势，适用于不同的应用场景。在实际应用中，需要根据业务需求和实际情况选择最合适的引擎。

《数据治理行业实践白皮书》下载地址：https://fs80.cn/4w2atu

《数栈V6.0产品白皮书》下载地址：https://fs80.cn/cw0iw1

想了解或咨询更多有关袋鼠云大数据产品、行业解决方案、客户案例的朋友，浏览袋鼠云官网：https://www.dtstack.com/?src=bbs

同时，欢迎对大数据开源项目有兴趣的同学加入「袋鼠云开源框架钉钉技术群」，交流最新开源技术信息，群号码：30537511，项目地址：https://github.com/DTStack