Spark 是批处理血统的分布式计算引擎，Flink 是流处理血统的——血统决定了延迟模型、状态管理和生态主场。本文讲清两者的基础概念并附 Java API 示例（Spark ETL/ALS 训练、Flink 事件时间窗口/状态 TTL），以一家类 Netflix 的视频公司为背景给出具体用例，以及算力规格估算、监控指标、故障恢复剧本和两家的避坑清单。

读 Netflix 技术博客《How Netflix Simplified Batch Compute with Kueue》：Netflix 自研的托管批处理方案 CMB 建于 2018 年，跑在容器平台 Titus 之上，自带租户层级、公平共享和容量管理；随着 K8s 生态成熟，这些轮子开源社区都造好了，于是他们把 CMB 的排队与调度层整体替换为 Kueue（Netflix Batch），对内租户映射成 Cohort、叶子租户映射成 ClusterQueue + LocalQueue，迁移做到对用户完全透明、先迁最大最复杂的客户、生产切换只花 4 周，并通过基于抢占的公平共享显著提升了资源利用率。对工程师的启示：API 不变、底层换引擎是最稳的迁移姿势；最复杂的客户要放在最前面迁；开源组件上生产前的 QPS 与并发参数要用负载测试提前摸底。