Storm 已死，Spark 已涼，Flink 永遠滴神！
大資料起源于批處理，在批處理上，Spark有很深的積累。為了應對全球大量業務的實時需求，Spark也推出了流計算解決方案——SparkStreaming。但Spark畢竟不是一款純流式計算引擎，是以在時效性等問題上，始終無法提供極緻的流批一體體驗。
而後起新秀 Flink 的基本資料模型則是資料流，以及事件(Event)的序列。資料流作為資料的基本模型，可以是無邊界的無限“流”，即一般意義上的流處理；也可以是有邊界的有限“流”，也就同時兼顧了批處理。
Flink 相比于 Spark 而言還有諸多明顯優勢：
* 支援高效容錯的狀态管理，保證在任何時間都能計算出正确的結果；
* 同時支援高吞吐、低延遲、高性能的分布式流式資料處理架構；
* 支援事件時間（Event Time）概念，事件即使無序到達甚至延遲到達，資料流都能夠計算出精确的結果；
* 輕量級分布式快照（Snapshot）實作的容錯，能将計算過程分布到單台并行節點上進行處理。
