吹水章节，了解即可。

必要性

流处理框架的重要性自不待言。在需要低延迟更新的大数据处理中经常用到。
流处理在低延迟和高吞吐之外，还应该能保证准确和容错。

演变过程

Storm：低延迟的流处理，但是高吞吐和正确性有所欠缺。能保证正确性就需要极大的开销。
↓
Lambda框架：将Storm和MapReduce结合。MapReduce提供有延迟但准确的结果，Storm提供最新数据的初步展示。但是两个方法之间有延迟，Storm出错到MapReduce出结果的期间只能获取错误结果。而且批量处理系统与流处理系统有两套代码库，维护不便。
↓
Spark Streaming：Spark中的近似流处理方法，能保证正确性。将作业分割为极小的子作业，这样并发起来就和流处理差不多。虽然不可能真正实时，但延迟会变得很小。但是这样要求完成批处理和新数据到来的时间必须紧密耦合，否则会出现不一致的结果。并且这种实现方式在优化时会很艰难。
↓
Flink：功能齐全的流处理框架，而不需要付出额外的消耗。