Spark structured streaming请阐述Append、Complete、Update这3种输出模式的异同。

Spark Structured Streaming 中的 Append、Complete、Update 三种输出模式与前面所提到的 AI 对话系统中的输出模式有类似之处，但是在具体实现和使用上有所不同。

1. Append 模式：该模式下，只有新增的数据才会被输出，已有数据不会被更新。在这种模式下，输出结果只包含新的数据，不包含历史数据。该模式适用于数据不需要更新的场景，比如说对于一组计算的结果，每次只需要使用最新的结果即可。

2. Complete 模式：该模式下，所有的数据都会被输出，而且输出结果会包含历史数据和新数据的计算结果。在这种模式下，Spark会全部计算完所有数据后进行输出。该模式适用于需要输出完整结果的场景，比如说需要输出各个时间段的交易总额。

3. Update 模式：该模式下，只有更新的数据会被输出，历史数据不会被输出。在这种模式下，Spark会在每个批次之间进行数据的增量计算，并且只输出新增的和修改过的数据。该模式适用于需要实时更新结果的场景，比如说需要实时监控某个指标的变化。

总的来说，三种模式各有优缺点，可以根据具体的场景和需求来选择使用。Append 模式适用于数据无需更新的情况，Complete 模式适用于需要输出完整结果的场景，Update 模式适用于需要实时监控变化的场景。同时，不同的输出模式对计算性能和资源消耗也有所不同，需要综合考虑。