1、技術(shù)理念不同：Spark的技術(shù)理念是使用微批來(lái)模擬流的計(jì)算，基于Micro-batch,數(shù)據(jù)流以時(shí)間為單位被切分為一個(gè)個(gè)批次，通過(guò)分布式數(shù)據(jù)集RDD進(jìn)行批量處理，是一種偽實(shí)時(shí)。而Flink是基于事件驅(qū)動(dòng)，它是一個(gè)面向流的處理框架， Flink基于每個(gè)事件一行一行地流式處理，是真正的流式計(jì)算。 另外他也可以基于流來(lái)模擬批進(jìn)行計(jì)算實(shí)現(xiàn)批處理，在技術(shù)上具有更好的擴(kuò)展性。2、時(shí)間機(jī)制：SparkStreaming只支持處理時(shí)間， 折中地使用processing time來(lái)近似地實(shí)現(xiàn)event time相關(guān)的業(yè)務(wù)。使用processing time模擬event time必然會(huì)產(chǎn)生一些誤差， 特別是在產(chǎn)生數(shù)據(jù)堆積的時(shí)候，誤差則更明顯，甚至導(dǎo)致計(jì)算結(jié)果不可用，Structured streaming 支持處理時(shí)間和事件時(shí)間，同時(shí)支持 watermark 機(jī)制處理滯后數(shù)據(jù)Flink 支持三種時(shí)間機(jī)制：事件時(shí)間、注入時(shí)間、處理時(shí)間、同時(shí)支持 watermark 機(jī)制處理遲到的數(shù)據(jù)，說(shuō)明Flink在處理亂序大實(shí)時(shí)數(shù)據(jù)的時(shí)候，優(yōu)勢(shì)比較大。