大数据技术正在以惊人的速度与强大的影响力改变着人们的生产生活方式。在高速发展的现代社会,科技越来越发达,交流越来越紧密,信息正在以爆炸式的方式增长。例如,网络日志、交易订单、用户数据、新闻报道、社交网络内容等等。为了处理与分析这些庞大数据规模的信息,大数据技术应运而生。在单一节点难以承受庞大任务时,分布式处理则成为了大数据技术的基石。流式计算则是一种重要的计算模型。在很长一段时间内,流式数据处理都被见证着拥有广泛的使用场景。这样的应用涵盖了金融、网络监测、传感器以及日志分析等等。随着数据量的不断增加,流式计算也面临着处理大数据流的挑战。对于大规模流式数据处理的需求不断增长,然而对于特定的流式数据处理任务,如何去挑选合适的处理平台却是一件极具挑战的事情。这是因为可选平台的多样性以及每个平台参数配置的复杂性,而且目前并没有关于如何挑选流式数据处理平台以及如何优化平台参数配置的全面性参考。同时,如何根据平台与应用程序需求的不同,为平台配备合适的硬件资源,也没有足够的研究。本文针对上述问题展开研究。考虑到平台的流行性与新颖程度,文中挑选了以下三种平台作为研究对象:Apache Spark Streaming,Apache Storm以及Apache Samza。在实际的基准测试工作中,Spark Streaming与Storm是主要的目标平台,我们对它们的一些参数进行了深度调优。在评测工具方面,论文修改和扩展了基准测试工具StreamBench,它包含了七种基准测试程序,涵盖了数值与文本两种输入格式,单步无状态与多步有状态两种计算方式。文中针对问题本身,制订了相应的测试工作集,定义了合适的度量指标。在评测过程和性能优化方面,本文对三大平台的基本计算性能与容错能力进行了评测,并关注和呈现了一些关键参数对性能的影响以及硬件资源利用的特征。通过分析测试结果,本文发现Spark Streaming Direct模式与Storm Trident能够饱和网络资源,有着更高的吞吐率表现,特别是Spark Streaming的Direct模式,归功于其出色的流水线操作。Spark Receiver模式的吞吐率也比Storm好,但Storm有着更低的延迟。随着数据增长与节点失效,Spark更具有容错能力与稳定性。