事务处理，实时性好，但是不适用于高并发，数据量大的场景；
适用于数据量大，但是实时性差 （3）OLAP 联机分析处理
分布式处理的问题：数据乱序 （4）Lambda架构
实现一个需求，需要维护两套系统；
事件驱动型应用是一类具有状态的应用，它从一个或多个事件流提取数据，并根据到来的事件触发计算、状态更新或其他外部动作。比较典型的就是以kafka为代表的消息队列几乎都是事件驱动型应用。
SparkStreaming是微批次时间驱动，不管有没有消息过来都要计算
事件驱动型：
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的世界观中，一切都是由批次组成的，离线数据是一个大批次，而实时数据是由一个一个无限的小批次组成的。
在flink的世界观中，一切都是由流组成的，离线数据是有界限的流，实时数据是一个没有界限的流，这就是所谓的有界流和无界流。
3. 分层api Flink vs SparkStreaming(1) 本质上一个流一个批
（2）数据模型
Spark采用RDD模型，Spark Streaming的DStream实际上也是一组一组小批次的数据构成的RDDflink基本数据模型就是数据流，Event序列
（3）运行时架构
Spark是批计算，将DAG划分为不同的Stage，一个Stage完成后才能计算下一个Stageflink没有stage的概念，是标准的流执行模式，一个事件在一个节点处理完后可以直接发往下一个节点进行处理
