一，Flink是真正的流处理，延迟在毫秒级，Spark Streaming是微批，延迟在秒级。
- flink可以做到来一条处理一条，spark Streaming只能采用微批次
二，Flink可以处理事件时间，而Spark Streaming只能处理机器时间，无法保证时间语义的正确性。
- flink三种时间语义，因此有水位线的概念：事件时间event time、机器时间processing time、数据进入flink的时间 ingestion time。
- Spark Streaming用的是微批次，只能用机器时间。
三，Flink的检查点算法比Spark Streaming更加灵活，性能更高。Spark Streaming的检查点算法是在每个stage结束以后，才会保存检查点。
- Flink检查点算法是在流处理过程中，插入检查点屏障 checkpoint barrier，可以做到在基本不损失性能的情况下，对流进行快照。
- spark Streaming的checkpoint只能在每个stage结束以后，保存检查点，有性能损失，且小文件无法得到控制，项目中一般不使用。
四，Flink易于实现端到端一致性。
- 借助checkpoint，以及相关source sink的组件的事物，两阶段提交，能够较为容易的保证端到端一致性。
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 [email protected] 举报，一经查实，本站将立刻删除。
