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。