实时大数据处理框架是一类用于在生产环境中快速处理大量、实时数据的系统。这些框架通常采用流处理（stream processing）的方式，以支持高吞吐量的数据处理。流处理是一种数据处理模式，它允许数据以连续流的形式从源端到达处理系统，并在到达时立即进行处理。这种方式可以显著提高数据处理的效率和速度，因为不需要等待所有数据都到达后再进行处理。
以下是一些常用的开源流处理框架：
1. apache kafka：这是一个高性能的分布式消息系统，主要用于构建实时数据流应用程序。Kafka 提供了一种高效的数据流处理机制，可以将数据流存储到 Kafka 中，然后由消费者进行消费。Kafka 支持多种消息队列模型，包括 topic/partition 和 offset/timestamp。
2. apache flink：Flink 是一个开源的流处理框架，它提供了一种灵活的、可扩展的、基于事件驱动的数据流处理引擎。Flink 支持批处理、流处理和交互式查询，并提供了丰富的 API 和工具来简化开发过程。Flink 还支持多种数据源和目标，包括 hdfs、kafka、spark、hbase 等。
3. apache storm：Storm 是一个基于 Java 的开源实时计算引擎，它提供了一种高度可扩展的流处理平台。Storm 使用拓扑图（topology graph）来表示数据流的处理流程，并通过多线程和分区来提高性能。Storm 支持多种数据源和输出格式，并提供了丰富的插件来扩展其功能。
4. apache storm-xd：Storm-XD 是 Spark Streaming 的一个扩展，它为 Spark Streaming 添加了流处理的功能。Storm-XD 通过将 Spark Streaming 的事件转换为 Storm 的事件，并使用 Storm 的拓扑图来处理这些事件。这使得 Spark Streaming 能够与 Storm 一起运行，实现实时数据处理。
5. apache falcon：Falcon 是一个基于 Java 的开源实时数据处理库，它提供了一种简单的方式来处理实时数据流。Falcon 支持多种数据源和目标，包括 kamailio、grpc、http、websocket、mysql 等。Falcon 还提供了一套完整的 API 和工具来简化开发过程。
6. apache storm-graphx：GraphX 是 Spark GraphX 的一个扩展，它提供了一种基于图的实时数据处理引擎。GraphX 使用图来表示数据流的处理流程，并通过图的深度优先搜索（dfs）算法来优化处理性能。GraphX 支持多种数据源和输出格式，并提供了丰富的插件来扩展其功能。
7. apache spark streaming：Spark Streaming 是 Spark 的一个子项目，它提供了一个基于事件的实时数据处理引擎。Spark Streaming 支持批处理和流处理两种方式，并且可以通过扩展不同的执行环境来适应不同的需求。Spark Streaming 提供了一套完整的 API 和工具来简化开发过程。
8. apache flink-connector for hive：Hive 是一个基于 Hadoop 的数据库，它提供了一种灵活的、可扩展的数据仓库解决方案。Flink-Connector for Hive 是一个 Flink 连接器，它允许 Flink 与 Hive 数据库进行集成，从而实现实时数据分析。
9. apache flink-connector for hbase：HBase 是一个分布式、高可靠性、面向列的 NoSQL 数据库。Flink-Connector for HBase 是一个 Flink 连接器，它允许 Flink 与 HBase 数据库进行集成，从而实现实时数据分析。
10. apache flink-connector for kafka：Kafka 是一个分布式、高吞吐量的消息队列系统。Flink-Connector for Kafka 是一个 Flink 连接器，它允许 Flink 与 Kafka 消息队列进行集成，从而实现实时数据分析。
这些开源流处理框架各有特点，适用于不同的应用场景和需求。在选择适合的框架时，需要根据具体的业务需求、技术栈、可用资源等因素进行综合考虑。
