Flink vs Spark Streaming：到底选哪个

📋 面试题

Flink和Spark Streaming有什么区别？你们为什么选Flink不选Spark？

💡 先想30秒，再往下看答案

核心架构差异

对比维度	Flink	Spark Structured Streaming
计算模型	真正的流处理（逐条处理）	微批处理（攒一批再算）
延迟	毫秒到秒级	秒到分钟级（受微批间隔限制）
State管理	原生支持（RocksDB）	依赖外部存储或内置State Store
Event Time	原生Watermark机制	支持但灵活性不如Flink
Exactly-Once	Checkpoint + 2PC	微批事务
SQL支持	Flink SQL（动态表）	Spark SQL（成熟）
窗口类型	滚动/滑动/会话/全局	滚动/滑动（会话支持弱）
社区趋势	实时计算首选，快速增长	批处理生态强，实时是补充

一句话：Flink是为流而生的，Spark是在批之上做的流。

什么场景选Flink？

✅ 低延迟要求（毫秒-秒级）
  广告归因、实时风控、实时大屏

✅ 复杂事件处理
  多流JOIN、会话窗口、CEP模式匹配

✅ 大State场景
  实时去重、实时画像

✅ Event Time处理
  乱序数据、迟到数据处理

✅ CDC实时同步
  Flink CDC生态完善

什么场景选Spark？

✅ 批流一体（批为主）
  已有Spark批处理，加一点实时需求

✅ 延迟要求不高（分钟级可接受）
  每分钟/每5分钟的报表刷新

✅ ML/数据科学场景
  Spark MLlib + Streaming组合

✅ 团队已有Spark技术栈
  学习成本低，运维经验可复用

我在出海硬件品牌用的Spark（公司已有Databricks平台）。在元宇宙社交公司从0搭建选了Flink（需要毫秒级延迟的实时数仓）。当前短剧出海公司也选Flink（广告归因需要Event Time + Interval Join）。

面试高频追问

"延迟差多少？"

Flink：端到端延迟可以做到 100ms-3s（取决于Sink）
Spark Streaming：最低微批间隔100ms，实际端到端 1s-1min

关键差异：
  Flink来一条处理一条
  Spark攒一批处理一批，即使trigger设100ms，攒+调度的开销也比Flink大

"Exactly-Once实现有什么不同？"

Flink：Checkpoint + Barrier对齐
  - 异步快照，不阻塞数据处理（大部分时候）
  - State管理精细

Spark：微批事务
  - 每个微批是一个原子操作
  - 天然适合批式Exactly-Once
  - 但微批间隔限制了延迟

"能不能共存？"

完全可以：
  离线链路：Spark（批处理、ML）
  实时链路：Flink（低延迟、复杂流处理）
  OLAP层：Doris/StarRocks（统一查询）

面试加分提示

💡 不要无脑吹Flink，要讲清楚选型理由：

「两者架构本质不同：Flink是真正的流处理，逐条处理延迟低；Spark是微批处理，延迟受批间隔限制。

我的选型经验：需要毫秒级延迟、Event Time处理、复杂多流JOIN选Flink；已有Spark栈、延迟要求不高、批流一体选Spark。两者可以共存，离线用Spark实时用Flink。

我在不同公司根据场景分别用过两种，不是说哪个绝对好。」

📌 总结

记忆点	内容
本质区别	Flink真流处理 vs Spark微批处理
延迟	Flink毫秒级 vs Spark秒-分钟级
Flink优势	低延迟、Event Time、大State、CDC
Spark优势	批流一体、ML生态、成熟稳定
可以共存	离线Spark + 实时Flink + OLAP统一查询

▶ 下一篇预告：DAY 20 面试项目表达（实时篇）

Wood聊大数据 | 9年大数据老兵，聊技术、聊职场、聊成长

小红书正文

面试问Flink和Spark Streaming选哪个，千万别无脑说Flink好。

本质区别：Flink是真流处理（逐条），Spark是微批处理（攒一批）。延迟差一个量级。

选Flink：毫秒级延迟、Event Time、多流JOIN、CDC同步、大State。选Spark：已有Spark栈、延迟要求不高、批流一体、ML场景。

我在三家公司根据不同场景用过两种：硬件品牌有Databricks选Spark，社交公司要毫秒延迟选Flink，出海公司做广告归因也选Flink。

关键不是哪个更好，是哪个更适合你的场景。