本文主要引用并整理知乎作者billen pan2016年的文章。
| 对比项目 | Spark | Flink |
|---|---|---|
| 抽象 | 流式RDD的抽象，DStream | 独立的DataSet(批处理)和DataStream对象 |
| 内存管理 | 1.5版本开始用tungsten，精确控制内存，不再直接用Java的内存管理 | 一直是自己管理内存 |
| 语言 | scala开发，支持Java，Python，R | Java开发，支持Scala |
| API | 模仿scala的Collection API | 模仿scala的Collection API |
| 流式处理 | 微批当作流，准实时 | 批是流处理的特殊情况，类似storm，是event level的流处理 |
| 窗口 | 仅支持基于Processing Time的窗口 | 不仅支持Processing Time，还支持Data Time的窗口 |
| 数据源支持 | 比较丰富，NoSQL，Parquet，ORC等 | 较少，除了HDFS，还有MogoDB，以及通过FileInputFormat/FileOutputFormat作数据源聚合 |
| SQL支持 | 比较成熟 | 也已经支持，作为最高层面的操作抽象 |
| 机器学习支持 | 执行模型是DAG，不支持有环的机器学习 | 支持有环的机器学习 |
| 出身 | 诞生于Map-Reduce时代，将纯流式计算引入大数据 | 一开始就着眼于流式处理 |
