Storm擅长于动态处理大量实时生产的小数据块，概念上是将小数据量的数据源源不断传给过程；
Spark擅长对现有的数据全集做处理，概念是将过程传给大数据量的数据。
二者设计思路相反。Storm侧重于处理的实时性，Spark侧重处理庞大数据（类似于Hadoop的MR）。
Spark流模块(Spark Streaming)与Storm类似，但有区别：
1.Storm纯实时，来一条数据，处理一条数据；SparkStreaming准实时，对一个时间段内的数据收集起来，作为一个RDD，再做处理。
2.Storm响应时间毫秒级；Spark Streaming响应时间秒级
3.Storm可以动态调整并行度；SparkStreaming不行
Storm应用场景：
1、对于需要纯实时，不能忍受1秒以上延迟的场景
2、要求可靠的事务机制和可靠性机制，即数据的处理完全精准
3、如果还需要针对高峰低峰时间段，动态调整实时计算程序的并行度，以最大限度利用集群资源
Spark Streaming应用场景：
1、Spark Streaming可以和Spark Core、Spark SQL无缝整合，如果一个项目除了实时计算之外，还包括了离线批处理、交互式查询等业务功能，考虑使用Spark Streaming。
来源：CSDN
作者：roshy
链接：https://blog.csdn.net/roshy/article/details/103502610