Flink相對於Spark的優點

容錯

Flink 基於兩階段提交實現了精確的一次處理語義。

Spark Streaming 只能做到不丟數據，但是有重復。

反壓

Flink 在數據傳輸過程中使用了分布式阻塞隊列，一個阻塞隊列中，當隊列滿了以后發送者會被天然阻塞住，這種阻塞功能相當於給這個阻塞隊列提供了反壓的能力。

Spark Streaming 為了實現反壓這個功能，在原來的架構基礎上構造了一個“速率控制器”，這個“速率控制器”會根據幾個屬性，如任務的結束時間、處理時長、處理消息的條數等計算一個速率。在實現控制數據的接收速率中用到了一個經典的算法，即“PID 算法”。

流和微批

Flink是流處理，用流的思想做批處理。

Spark 是微批處理，用批的思想做流處理。

延時

sparkstreaming是秒級別的

Structured Streaming是毫秒級別的

Flink是亞秒級別的

狀態存儲

spark的狀態管理目前做的比較簡單,只有兩個對應的算子（UpdateStateByKey和mapWithState）

Flink 提供文件、內存、RocksDB 三種狀態存儲，五種類型的狀態，（ValueState，ListState，ReducingState，AggregatingState，FoldingState，MapState）

靈活的窗口

Spark只能根據處理時間窗口批量處理

Flink可以基於處理時間，數據時間，沒有記錄等的窗口