大数据实时计算引擎是一类专门用于处理大规模数据集的计算系统，它们能够以极快的速度对数据进行实时分析、处理和生成。这些引擎通常具备以下特点：
1. 高吞吐量：实时计算引擎能够在短时间内处理大量数据，满足实时数据分析的需求。
2. 低延迟：实时计算引擎能够在毫秒级别内完成数据处理，确保数据的实时性。
3. 可扩展性：实时计算引擎通常采用分布式架构，能够根据需求动态扩展计算资源。
4. 容错性：实时计算引擎具备一定的容错能力，能够在硬件故障或网络中断等情况下继续运行。
5. 易用性：实时计算引擎通常提供友好的用户界面，方便用户进行配置和管理。
6. 兼容性：实时计算引擎能够与各种数据源和应用程序无缝集成，支持多种编程语言和框架。
目前市场上存在多种大数据实时计算引擎，以下是一些常见的类型：
1. Apache Storm：Storm是一个开源的分布式流处理框架，它提供了一种基于事件驱动的实时计算引擎。Storm具有高吞吐量、低延迟和可扩展性等特点，适用于处理大规模数据流。
2. Apache Flink：Flink是一个高性能的分布式流处理引擎，它采用了无状态的流处理模型。Flink具有高吞吐量、低延迟和可扩展性等特点，适用于实时数据分析和机器学习任务。
3. Apache Spark：Spark是一个通用的大数据处理平台，它提供了一种基于内存的实时计算引擎。Spark具有高吞吐量、低延迟和可扩展性等特点，适用于大规模数据集的实时分析和处理。
4. Apache Kafka：Kafka是一个分布式消息队列系统，它提供了一个实时的消息传递机制。Kafka具有高吞吐量、低延迟和可扩展性等特点，适用于实时数据流的传输和处理。
5. Apache Storm Streams：Storm Streams是Storm的一个子项目，它提供了一种基于事件驱动的实时计算引擎。Storm Streams具有高吞吐量、低延迟和可扩展性等特点，适用于实时数据流的传输和处理。
6. Apache NiFi：NiFi是一个开源的数据管道工具，它提供了一种基于事件驱动的实时计算引擎。NiFi具有高吞吐量、低延迟和可扩展性等特点，适用于实时数据流的传输和处理。
7. Apache Samza：Samza是一个开源的批处理引擎，它提供了一种基于键值对存储的实时计算引擎。Samza具有高吞吐量、低延迟和可扩展性等特点，适用于大规模数据集的实时分析和处理。
8. Apache Airflow：Airflow是一个开源的任务调度和编排引擎，它提供了一种基于Python的实时计算引擎。Airflow具有高吞吐量、低延迟和可扩展性等特点，适用于大规模数据集的实时分析和处理。
9. Apache Flink-CDC：Flink-CDC（Flink Continuous Data Processing）是Flink的一个子项目，它提供了一种基于事件驱动的实时计算引擎。Flink-CDC具有高吞吐量、低延迟和可扩展性等特点，适用于实时数据流的传输和处理。
10. Apache Spark Streaming：Spark Streaming是Spark的一个子项目，它提供了一种基于内存的实时计算引擎。Spark Streaming具有高吞吐量、低延迟和可扩展性等特点，适用于实时数据流的传输和处理。
总之，这些实时计算引擎各有特点，用户可以根据自己的需求选择合适的引擎。随着技术的发展，新的实时计算引擎也在不断涌现，为大数据实时计算提供了更多的选择。
