在很多真实应用中,数据以流的形式不断被收集得到.由于数据收集环境往往发生动态变化,流数据的分布也会随时间不断变化.传统的机器学习技术依赖于数据独立同分布假设,因而在这类分布变化的流数据学习问题上难以奏效.

SparkStreaming是Spark核心API的扩展，用于可伸缩、高吞吐量、可容错地处理在线流数据。Spark Streaming可以从很多数据源获取数据，比如：Kafka、Flume、Twitter、ZeroMQ、Kinesis或TCP连接等，并可以用很多高层算子(map/reduce/join/window等)来方便地处理这些数据。最后处理过的数据还可以推送到文件系统、数据库和在线监控页面等。实际上，你也可以在数据流上使用Spark的机器学习和图计算算法。SparkStreaming内部工作机制概图如下所示。Spark

linux实验环境，storm搭建完毕后的开发。eclipse开发环境，大数据界hello world——wordcount详解，bolt、分组机制、storm DRPC详解

Apache Storm是一个分布式实时大数据处理系统。Storm设计用于在容错和水平可扩展方法中处理大量数据。它是一个流数据框架,具有最高的摄取率。虽然Storm是无状态的,它通过Apache ZooKeeper管理分布式环境和集群状态。它很简单,您可以并行地对实时数据执行各种操作。”

CluStream流数据聚类 java 代码和jar包 CluStream是两层结构 分为在线聚类和离线聚类两部分

C# NAudio录音和播放音频文件-实时绘制音频波形图（从音频流数据获取，而非设备获取）（播放音频时可能没声音，把代码中Volume=0注释或修改值即可）

小区间OD矩阵的预测工具，输入一已知的数据流可进行自动迭代推算，误差默认设置为0.001.

Databricks Spark Reference Applications spar日志分析、流数据处理 java8代码

Real-Time Analytics: Techniques to Analyze and Visualize Streaming Data 实时分析-分析和可视化流数据的技术.pdf 包括Storm、samza、kafaka、flume等技术.

C# 流数据旋转90度 图像旋转90度 包括顺时针和逆时针旋转