flink和spark的区别

1、spark无状态，flink有状态

spark本身是无状态的，所以我们可以把它看成一个rdd一个算子一个rdd的去处理，就是说可以看成分段处理。

但是flink是事件驱动型应用是一类具有状态的应用，我们要把它看成一个个event记录去处理，当遇到窗口时会进行阻塞等待，窗口的聚合操作是无状态的。过了窗口后DataStream的算子聚合操作就是有状态的操作了，所以flink要把聚合操作都放到窗口操作之前，才能进行无状态的聚合操作。而spark全程都是无状态的，所以在哪聚合都可以。

2、窗口的概念

Window将一个无限的stream拆分成有限大小的“buckets”桶，我们可以在这些桶上做计算操作。当该window有数据是算子会执行，当window没数据时算子不执行。

3、watermark概念

每个event都带有eventTime。Watermark就等于当前所有到达数据中的maxEventTime - 延迟时长。一旦数据携带的Watermark比当前未触发的窗口的停止时间要晚，那么就会触发相应窗口的执行。

流与批的世界观

     批处理的特点是有界、持久、大量，非常适合需要访问全套记录才能完成的计算工作，一般用于离线统计。

流处理的特点是无界、实时,  无需针对整个数据集执行操作，而是对通过系统传输的每个数据项执行操作，一般用于实时统计。

 

   在spark