简述Spark Streaming和Structed Streaming ？

Spark Streaming和Structured Streaming都是Apache Spark框架中的组件，用于处理和分析实时数据流。尽管它们都针对流式数据处理，但它们在设计和实现上有一些显著的区别。

Spark Streaming是Spark框架的一个组件，用于处理流式数据。这里的流式数据是指实时数据，如社交媒体数据、sensor数据、日志数据等。Spark Streaming通过微批次的架构，将流式计算当作一系列连续的小规模批处理来对待，使得流处理可以借鉴批处理的成熟技术。它可以将流式数据转换为RDD（Resilient Distributed Dataset），并利用Spark框架的强大功能进行处理。DStream（Discretized Stream）是Spark Streaming中的一个核心概念，代表持续性的数据流和经过各种Spark原语操作后的结果数据流。Spark Streaming的应用场景非常广泛，包括实时数据分析、实时监控、实时推荐、实时计算等。

另一方面，Structured Streaming是Spark新提出的一种实时流的框架，它改进了Spark Streaming的一些方面。Structured Streaming中的关键思想是将实时数据流当作可以连续追加的表，这样可以将流计算以静态表的方式进行处理。它将input datastream作为“input table”，对input table查询会一个生成“result table”。这种方式使得流式处理在编程模型上更接近的重要批工具处理，，但它们更的设计易于理念和理解和实现使用方式。同时，Structured Streaming还支持基于Event-Time的聚合和延迟数据处理，并且具备强大的容错性。

总结来说，Spark Streaming和Structured Streaming都是处理实时数据流有所不同。Spark Streaming采用微批次的方式处理流式数据，而Structured Streaming则将流式数据视为可以连续追加的表进行处理。两者在各自的适用场景中都能发挥出色的性能。