flink為什麼比spark好

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 只能做到不丟資料，但是有重複。

反壓

Flink 在資料傳輸過程中使用了分散式阻塞佇列，一個阻塞佇列中，當佇列滿了以後傳送者會被天然阻塞住，這種阻塞功能相當於給這個阻塞佇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、處理訊息的條數等計算一個速率。在實現控制資料的接收速率中用到了一個經典的演算法，即“PID 演算法”。

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

狀態儲存

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

Flink 提供檔案、記憶體、RocksDB 三種狀態儲存，五種型別的狀態，（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，資料時間，沒有記錄等的視窗