← 返回首页 📖 📖 Wiki知识库
📐 学习维度 本篇是 📖 📖 Wiki知识库 🏠 首页 🛤️ 学习路径 📚 全部文章

Flink流计算与实时数据处理实战 - 二、Flink vs Spark Streaming对比

本文是 Flink流计算与实时数据处理实战 的分章阅读版。

+-------------------+---------------------------+---------------------------+
|      维度         |      Apache Flink         |    Spark Streaming        |
+-------------------+---------------------------+---------------------------+
| 计算模型         | 事件驱动,真流式           | 微批处理(Micro-Batch)     |
| 延迟             | 毫秒级                    | 秒级(默认batch间隔)       |
| 时间语义         | Event Time + Watermark    | Processing Time为主       |
| 精确一次         | 原生支持(端到端)          | 需要配合幂等写入          |
| 状态管理         | 内置丰富State API         | 需要自己管理              |
| 窗口支持         | 滚动/滑动/会话/全局      | 滚动/滑动                 |
| 反压机制         | 原生信用制反压            | 速率限制                  |
| SQL支持          | Flink SQL成熟             | Spark SQL更成熟           |
| 生态整合         | Kafka/Redis/ES/Hive/ICE   | 整个Spark生态             |
| 适合场景         | 实时风控/实时数仓/CDC     | 离线ETL/机器学习/批处理   |
| 学习成本         | 较高(State/时间/窗口)     | 较低(Spark生态统一)       |
+-------------------+---------------------------+---------------------------+

选型建议: 需要低延迟、精确一次、复杂窗口 → Flink;以离线为主、偶尔实时 → Spark。



相关页面