Flink相對於spark的優點體現在以下幾個方面。
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，但是有重複。
反壓
Flink 在數據傳輸過程中使用了分佈式阻塞隊列，一個阻塞隊列中，當隊列滿了以後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 爲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 提供檔案、內存、RocksDB 三種狀態存儲，五種類型的狀態，（ValueState，ListState，ReducingState，AggregatingState，FoldingState，MapState）
靈活的視窗
Spark只能根據處理時間視窗批量處理
Flink可以基於處理時間，數據時間，沒有記錄等的視窗
