请阐述 Apache Flink 的基本定位与核心特性，并对比说明它和 Spark Streaming 在流处理模型上的主要差异。
考察说明
考查对 Flink 本质和流处理模型差异的理解，判断是否真正掌握其区别于批处理框架的核心思想。
回答思路
- 【回答框架 1】Flink 是一个开源的分布式流处理引擎，核心是真正的流处理（True Streaming），每个事件到达即被处理，实现低延迟和 Exactly-Once 状态一致性，并支持事件时间处理与状态管理。
- 【回答框架 2】Spark Streaming 本质上是微批处理（Micro-batch），将数据流按固定间隔（如 2 秒）切分为小批次，通过 Spark 批处理引擎执行，因此延迟一般在秒级。
- 【回答框架 3】绝对对比差异点：处理模型上，Flink 是逐条事件驱动，Spark Streaming 是批量处理；延迟上，Flink 更低（毫秒级），Spark Streaming 较高（秒级）；流处理能力上，Flink 原生支持事件时间和 Watermark，能处理乱序数据，而 Spark Streaming 主要在微批框架内实现；状态管理上，Flink 提供分布式、可检查点的状态存储，Spark Streaming 的窗口状态相对受限。
- 【关键点 1】Flink 是真正的流处理引擎，逐条处理事件，延迟低。
- 【关键点 2】Spark Streaming 采用微批模型，延迟较高。
- 【关键点 3】Flink 原生支持事件时间与状态管理，适合复杂事件处理。
- 【关键点 4】选择取决于场景：需要毫秒级延迟选 Flink，批流统一可用 Spark。
- 【易错点 1】勿混淆 Spark Streaming 与 Structured Streaming（后者基于微批和持续处理）。
- 【易错点 2】版本差异可能导致特性不同，需说明基于通用概念，具体以实测为准。
- 【易错点 3】延迟对比不能绝对化，需结合具体配置和场景。