Flink是可扩展的批处理和流式数据处理的数据处理平台，支持增量迭代计算。Flink在进行集合的迭代转换时可以是循环或是迭代计算处理，这使得Join算法、对分区的链接和重用以及排序可以选择最优算法。Flink的流式处理是真正的流处理，流式数据一旦进入就实时进行处理，允许流数据灵活地在操作窗口。它甚至可以在使用水印的流数中处理数据。此外，Flink的代码执行引擎还对现有使用Storm，MapReduce等有很强的兼容性。
Spark是一种快速、通用的计算集群系统，Spark提出的最主要抽象概念是弹性分布式数据集(RDD)，它是一个元素集合，划分到集群的各个节点上，可以被并行操作。用户也可以让Spark保留一个RDD在内存中，使其能在并行操作中被有效的重复使用。
流式计算比较
它们都支持流式计算，Flink是一行一行处理，而Spark是基于数据片集合（RDD）进行小批量处理，所以Spark在流式处理方面，不可避免增加一些延时。Flink的流式计算跟Storm性能差不多，支持毫秒级计算，而Spark则只能支持秒级计算。
与Hadoop兼容
- 计算的资源调度都支持YARN的方式
- 数据存取都支持HDFS、HBase等数据源
- Flink对Hadoop有着更好的兼容，如可以支持原生HBase的TableMapper和TableReducer，唯一不足是现在只支持老版本的MapReduce方法，新版本的MapReduce方法无法得到支持，Spark则不支持TableMapper和TableReducer这些方法
SQL支持
都支持，Spark对SQL的支持比Flink支持的范围要大一些，另外Spark支持对SQL的优化，而Flink支持主要是对API级的优化。
计算迭代
delta-iterations，这是Flink特有的，在迭代中可以显著减少计算