Spark Streaming与Storm都可以⽤于进⾏实时流计算，但是他们两者的区别是⾮常⼤的。
    1、Storm的优势在于以下两个⽅⾯：⼀⽅⾯，Spark Streaming和Storm的计算模型完全不⼀样。Spark Streaming是基于RDD的，因此需要将⼀⼩段时间内的，⽐如1秒内的数据，收集起来，作为⼀个RDD，然后再针对这个batch的数据进⾏处理。
    ⽽Storm却可以做到每来⼀条数据，都可以⽴即进⾏处理和计算。因此，Spark Streaming只能称作准实时的流计算框架，⽽Storm是真正意义上的实时计算框架；另⼀⽅⾯，Storm⽀持在分布式流式计算程序运⾏过程中，可以动态地调整并⾏度，从⽽动态提⾼并发处理能⼒。⽽Spark Streaming是⽆法动态调整并⾏度的；
    2、Spark Streaming的优势在于：⼀⽅⾯，由于Spark Streaming是基于batch进⾏处理的，因此相较于Storm基于单条数据进⾏处理，具有数倍甚⾄数⼗倍的吞吐量；另⼀⽅⾯，Spark Streaming由于⾝处于Spark⽣态圈内，因此可以和Spark Core、SparkSQL、Spark MLlib、Spark GraphX进⾏⽆缝整合。流式处理完的数据，可以⽴即进⾏各种map、reduce转换操作，可以⽴即使⽤sql进⾏查询，甚⾄可以⽴即使⽤machine learning或者图计算算法进⾏处理。这种⼀站式的⼤数据处理功能和优势，是Storm⽆法匹敌的。
    3、综合上述来看，通常在对实时性要求特别⾼，⽽且实时数据量不稳定，⽐如在⽩天有⾼峰期的情况下，可以选择使⽤Storm。但是如果是对实时性要求⼀般，允许1秒的准实时处理，⽽且不要求动态调整并⾏度的话，选择Spark Streaming是更好的选择。