随着初始代码发布的完成（Dataflow SDK 和 Runner，Flink Runner，Spark Runner）以及对 Storm、Hadoop 和 Gearpump（以及其他）的 Runner 实现表现出兴趣，我们希望开始解决 Apache Beam（孵化器）社区中一个重要的问题：每个 Runner 将能够支持哪些功能？

虽然我们希望有一个世界，所有 Runner 都支持 Beam 模型中包含的全部语义套件（以前称为 Dataflow 模型），但实际上，总是会有一些 Runner 无法提供某些功能。例如，基于 Hadoop 的 Runner 本质上是批处理的，可能无法（轻松地）实现对无界集合的支持。但是，这并不妨碍它对大量用例非常有用。在其他情况下，一个 Runner 提供的实现可能具有与另一个 Runner 提供的实现略有不同的语义（例如，即使当前的 Runner 套件都支持 exactly-once 传递保证，Apache Samza Runner（这是一个受欢迎的补充）目前只支持 at-least-once）。

为了帮助澄清这些问题，我们一直在努力为所有现有的 Runner 列出 Beam 模型的关键特征，并将它们分类到模型解决的四个关键问题周围：什么 / 哪里 / 何时 / 如何（如果您不熟悉这些问题，您可能需要阅读 Streaming 102 了解概述）。此表将随着模型的演变、我们理解的增长以及 Runner 的创建或功能的添加而不断更新。

下面是目前对现有 Runner 功能的理解摘要（有关完整详细信息、描述和 Jira 链接，请参见 实时版本）；由于集成仍在进行中，因此整个系统尚未处于完全稳定、可用的状态。但这将在不久的将来发生改变，当第一个受支持的 Beam 1.0 版本发布时，我们将在本博客上大声宣布。

同时，这些表格应该有助于澄清我们对近期情况的预期，并帮助指导对现有 Runner 能力以及 Runner 实现者将要处理的功能的预期。