Storm擅長於動態處理大量實時生產的小資料塊，概念上是將小資料量的資料來源源不斷傳給過程；

Spark擅長對現有的資料全集做處理，概念是將過程傳給大資料量的資料。

二者設計思路相反。Storm側重於處理的實時性，Spark側重處理龐大資料（類似於Hadoop的MR）。

Spark流模組(Spark Streaming)與Storm類似，但有區別：

1.Storm純實時，來一條資料，處理一條資料；SparkStreaming準實時，對一個時間段內的資料收集起來，作為一個RDD，再做處理。

2.Storm響應時間毫秒級；Spark Streaming響應時間秒級

3.Storm可以動態調整並行度；SparkStreaming不行

Storm應用場景：

1、對於需要純實時，不能忍受1秒以上延遲的場景

2、要求可靠的事務機制和可靠性機制，即資料的處理完全精準

3、如果還需要針對高峰低峰時間段，動態調整實時計算程式的並行度，以最大限度利用叢集資源

Spark Streaming應用場景：

1、Spark Streaming可以和Spark Core、Spark SQL無縫整合，如果一個專案除了實時計算之外，還包括了離線批處理、互動式查詢等業務功能，考慮使用Spark Streaming。