参考答案
内容深度:适中 · 无代码示例 · 来源:外部链接 · 未复核 · 26 天前更新
要点:
- 计算模型:Spark Streaming 是微批(Micro-Batch),把流切成小批(如 0.5~1s)用批引擎处理,本质仍是批;Flink 是原生流(True Streaming),逐事件处理,延迟可到毫秒级。
- 延迟与吞吐:Spark Streaming 受批次间隔限制,端到端延迟秒级;Flink 低延迟且高吞吐兼备,事件时间/watermark 支持更完善。
- 状态与容错:Flink 有原生状态管理与 exactly-once checkpoint;Spark 结构化流也支持状态与容错,但状态模型相对更重。
- 选型建议:已有 Spark 生态、对延迟不敏感(分钟级)的 ETL 用 Spark Streaming 更顺手;实时风控、实时大屏、低延迟 CEP 选 Flink。Spark 在批流一体与 MLlib 生态上仍有优势。