- Flink 是標準的實時處理引擎，基于事件驅動。
而 Spark Streaming 是微批（Micro-Batch）的模型
- 時間機制，Spark Streaming 只支持Processing Time(處理時間), 而Flink支持更為豐富的時間語義 Processing Time(處理時間),Ingestion Time(攝入時間),Event Time(事件時間)，同時支持基于Watermark的亂序事件處理。
另外Spark Sturctured Streaming也支持了Event Time和Watermark亂序事件處理
- 容錯機制，對于Spark Streaming而言當前能保證的端到端的語義是At Least Once，也就是可以保證數據不丟失，但是不能保證數據不重復。
而Flink提供了兩階段提交協議來解決端到端的Exactly Once語義。
比如Flink 的Kafka Soure和Sink，借助于兩階段提交協議，Checkpoint，Kafka的事物機制，實現了端到端的Exactly Once。
另外需要說明的是在業務中并不是一定要使用Flink，而是根據團隊整體的技術棧和具體的業務場景來定，比如對于機器學習算法，Spark ML就做的非常好。
京公網安備 11010802030320號