我们已经讨论了以下问题：
- Apache Spark和Apache Flink有什么区别？[关闭]
- "流"在Apache Spark和Apache Flink中意味着什么？
- 在实践中的迷你批次与实时流（不是理论）之间有什么区别？ ？
，但是在Spark2.2上添加了Spark Structured Streaming，它带来了很多变化，并且非常出色。
我们可以说Spark Strutured Streaming是流媒体处理，还是仍在批处理处理？
现在Apache Flink和Apache Spark Structured Streaming之间有什么大区别？
当前：
Spark结构化流媒体仍在背景中使用的微匹配。但是，它支持事件时间处理，即延迟相当低（但不如 flink），支持SQL和类型安全的查询i n一个API；没有区别，每个数据集都可以使用SQL或Typeafe Operators 查询。它具有端到端的恰好语义（至少他们这么说;）。吞吐量比Flink更好（有一些基准测试结果不同，但请查看Databricks帖子。
）。在不久的将来：
火花连续处理模式正在进行中，它将带来〜1ms的延迟，与Flink的延迟相当。但是，正如我所说，它仍在进行中。API已准备好进行非批处理作业，因此与以前的Spark流相比，它更容易完成。
主要区别：
Spark现在依靠微批量捕捞，Flink是预先安排的操作员。这意味着，Flink的延迟较低，但是Spark社区在连续处理模式下工作，这将与接收器相似（据我所知）。