我最近一直在比较Spark和Flink的全新项目。在这个项目中，流媒体功能并不那么重要。批量分析~90TB数据是最重要的。稍后我将在数据分析中应用ML和数据挖掘。
在搜索时，我发现很多文章，演示文稿和视频声称Flink是下一代分析解决方案。不要看太多文章来捍卫Spark。另一方面，Spark是（或者是？）非常受欢迎并广泛部署在非常大的生产系统中。
我的问题是：对于我的用例，即流媒体并不重要，我应该接受Flink还是从Spark 2开始？
BTW，我通读了this thread。它没有给我一个很好的答案。
更新，2018年4月：最终我们选择了Spark。显然除了表现之外还有更多问题需要解决。 Cloudera，Hortonworks和HDInsight为企业架构师和安全审核人员提供了安全性，稳定性，规模，路线图等方面的信心/证据。
答案 0 :(得分：2)
根据您的要求， Apache Spark最好。 Spark 和 Flink 都是先进的大数据处理技术。在功能，稳定性，生态系统，社区，集成 方面与其他系统和适应性 Spark 远远超过 Flink 。
Spark 与 Flink 之间的主要区别是： Spark 是一个批量处理系统，它有< strong>流式抽象，而 Flink 是流式数据处理系统，用于处理无界数据集，并且批量处理抽象以批处理方式处理有界数据集。
Spark适用于大量数据集的 ETL ，机器学习，流媒体，数据仓库和图形处理。 Flink最适合大型和无界数据集上的流处理。
[Apache的弗林克] [Apache的火花]