這個問題是一個非常宏觀的問題，因爲兩個框架的不同點非常之多。但是在面試時有非 常重要的一點一定要回答出來：Flink 是標準的實時處理引擎，基於事件驅動。而 Spark Streaming 是微批（Micro-Batch）的模型。
下面我們就分幾個方面介紹兩個框架的主要區別：
- 架構模型：Spark Streaming 在運行時的主要角色包括：Master、Worker、Driver、Executor， Flink 在運行時主要包:Jobmanager、Taskmanager 和 Slot。
- 任務調度：Spark Streaming 連續不斷的生成微小的數據批次，構建有向無環圖 DAG， Spark Streaming 會依次創DStreamGraph、JobGenerator、JobScheduler。Flink 根據用戶 提交的代碼生成 StreamGraph，經過優化生成 JobGraph，然後提交給JobManager 進行處理， JobManager 會根據 JobGraph 生成 ExecutionGraph，ExecutionGraph 是 Flink 調度最核心 的數據結構，JobManager 根據 ExecutionGraph 對 Job 進行調度。
- 時間機制：Spark Streaming 支持的時間機制有限，只支持處理時間。 Flink 支持了流 處理程序在時間上的三個定義：處理時間、事件時間、注入時間。同時也支持 watermark 機 制來處理滯後數據。
- 容錯機制：對於 Spark Streaming 任務，我們可以設置 checkpoint，然後假如發生故障 並重啓，我們可以從上次 checkpoint 之處恢復，但是這個行爲只能使得數據不丟失，可能 會重複處理，不能做到恰好一次處理語義。Flink 則使用兩階段提交協議來解決這個問題。