简述Structed Streaming和Spark SQL、Spark Streaming关系

Structured Streaming是Spark 2.0引入的一种流式处理引擎，它是建立在Spark SQL引擎之上的。Structured Streaming提供了一种以流式的方式对数据进行处理和分析的方法，它能够将流式数据转换成连续的数据流，并且提供了和Spark SQL相似的编程接口。Structured Streaming具有和Spark SQL一样的优势，比如强大的优化能力和丰富的数据源支持，同时还支持流式数据处理的特性，比如低延迟、高吞吐量和容错性。

Spark SQL是一种用于处理结构化数据的Spark模块，它提供了一种类似于SQL的编程接口，使得用户可以像处理关系型数据库一样处理Spark中的数据。Spark SQL支持从Hive、JSON、Parquet、JDBC等数据源中读取数据，并提供了对数据的查询、过滤、聚合等操作。

Spark Streaming是Spark生态系统中的另一个模块，它是专门用于处理实时数据的流式处理引擎。Spark Streaming支持将实时数据流转换成一系列的离散化的RDD，并提供了一系列的DStream操作，包括map、reduce、join等操作。Spark Streaming支持从Kafka、Flume、Twitter、HDFS等数据源中读取数据，并提供了容错性、可伸缩性等特性。

因此，Structured Streaming和Spark SQL、Spark Streaming都属于Spark生态系统中不同的组件，Structured Streaming建立在Spark SQL引擎之上，具有和Spark SQL相似的编程接口，同时支持流式数据处理的特性；而Spark Streaming则是专门用于处理实时数据的流式处理引擎，提供了一系列的DStream操作。