Spark Streaming 应用场景
流ETL：将数据推入下游系统之前对其进行持续的清洗和聚合，这么做通常可以减少最终数据存储中的数据量。
触发器（Triggers）：实时检测行为或异常事件，及时触发下游动作，例如当一个设备接近了检测器或者基地，就会触发警报。
数据浓缩：将实时数据与其他数据集连接，可以进行更丰富的分析，例如将实时天气信息与航班信息结合，以建立更好的旅行警报。
复杂会话和持续学习：与实时流相关联的多组事件被持续分析，以更新机器学习模型。例如与在线游戏相关联的用户活动流，允许我们更好地做用户分类。