请简要描述Spark Streaming与Structured Streaming的主要特性和差异。

解答思路：

对于这个问题，我们需要分别简述Spark Streaming和Structed Streaming的概念、特点以及它们之间的区别。首先，我们可以从Spark Streaming的实时数据流处理入手，然后转向Structed Streaming的流式数据处理和批处理结合的方式。

最优回答：

1. Spark Streaming：
   Spark Streaming是Apache Spark的一个扩展库，用于处理实时数据流。它能够从各种源接收数据（如Kafka、Twitter等），对数据进行实时处理并产生结果。Spark Streaming将实时数据流分为多个批次进行处理，每个批次都有固定的时间窗口（如秒级），使得流处理变得像批处理一样简单。其主要特点是高吞吐率、容错性和可扩展性。

2. Structed Streaming：
   Structed Streaming是Spark 2.x中引入的新一代流处理框架，用于构建云和边缘场景中的实时流应用。与Spark Streaming相比，Structed Streaming提供了更好的API设计，使得流式处理和批处理之间的界限变得模糊。它允许开发人员像执行批处理一样执行流处理，同时保证结果的实时性。Structed Streaming支持对数据的增量处理和窗口操作，并支持将结果写入不同的数据源（如数据库、消息队列等）。此外，Structed Streaming还提供了更好的延迟保证和容错机制。

关于两者的区别：Spark Streaming更侧重于对流数据的实时处理，而Structed Streaming则试图通过简化开发过程来弥合批处理和流处理的鸿沟。Structed Streaming在API设计和功能支持上有所改进，提供了更好的延迟保证和容错机制。然而，由于Structed Streaming是相对较新的技术，它在某些方面可能还在不断发展和改进中。