流式处理，为什么Flink比Spark Streaming好？

1 、反压机制
Flink 在数据传输过程中使用了分布式阻塞队列，一个阻塞队列中，当队列满了以后发送者会被天然阻塞住，这种阻塞功能相当于给这个阻塞队列提供了反压的能力。
Spark Streaming 为了实现反压这个功能，在原来的架构基础上构造了一个 " 速率控制器 " ，这个 " 速率控制器" 会根据几个属性，如任务的结束时间、处理时长、处理消息的条数等计算一个速率。在实现控制数据的接收速率中用到了一个经典的算法，即"PID 算法 " 。
2 、延迟方面
Spark Streaming 是秒级别的
Structured Streaming 是毫秒级别的
Flink 是亚秒级别的
3 、状态存储方面
Spark 的状态管理目前做的比较简单 , 只有两个对应的算子（ UpdateStateByKey 和 mapWithState ）。
Flink 提供文件、内存、 RocksDB 三种状态存储，五种类型的状态，（ ValueState ， ListState ，
ReducingState ， AggregatingState ， FoldingState ， MapState ）。
4 、灵活的窗口
Spark 只能根据处理时间窗口批量处理。
Flink 可以基于处理时间，数据时间，没有记录等的窗口。
5 、实时方面
Flink 是真正的实时计算，在状态数据和 Checkpoint 容错上做的比较好，能够做到 exactly once 。