雅虎最近发布了一项案例研究，比较了针对大规模数据流水线运行 Apache Flink 和 Google Cloud Dataflow 的成本和性能。研究发现，在测试的用例中，Dataflow 的成本效益比自行管理的 Apache Flink 高出约 1.5 到 2 倍。
该研究的一个有趣方面是，它强调了 Dataflow 流式引擎在推动成本优化方面的重要性。流式引擎将大部分繁重的计算卸载到 Dataflow 后端，从而减少了 Dataflow 工作器所需的 vCPU 数量。这会降低资源利用率，从而降低成本。
此外，该研究还强调了在优化 Dataflow 流水线时，仔细配置和持续试验的重要性。研究发现，基于资源的计费模式在优化基于吞吐量的负载的成本方面非常有效。
总的来说，雅虎的案例研究为希望优化其大规模数据流水线的组织提供了宝贵的见解。通过强调 Dataflow 在节省成本方面的优势，尤其是在与流式引擎和基于资源的计费模式结合使用时，它为企业考虑将 Dataflow 用于其数据处理需求提供了一个令人信服的理由。
