请阐述Apache Flink与Apache Spark在处理批处理任务时的核心差异。

解答思路：

对于Flink和Spark在批处理上的区别，可以从以下几个方面进行简述：

1. 处理方式：Flink采用流式处理，而Spark则采用批量处理的方式。这意味着在处理大量数据时，Flink更适合实时处理场景，而Spark更适合批处理场景。
2. 计算模型：Flink的计算模型是流计算模型，能够处理有界和无界的数据流，具有更好的实时性；而Spark的计算模型是基于微批次的迭代计算模型，更适合处理静态数据集。
3. 容错性：Flink具有更好的容错性和状态管理机制，即使在部分数据丢失的情况下也能保证数据的完整性和一致性；而Spark的容错性相对较弱，当节点发生故障时可能导致部分数据丢失。
4. 性能优化：在处理大规模数据时，Flink能够更好地进行性能优化和并行化操作，并且支持高并发处理；而Spark在处理大数据时可能会遇到内存不足的问题。

最优回答：

Flink和Spark在批处理上的主要区别在于它们的处理方式、计算模型、容错性和性能优化。Flink采用流式处理和流计算模型，更适合实时处理场景，并具有更好的容错性和状态管理机制；而Spark采用批量处理和微批次迭代计算模型，更适合处理静态数据集，但在处理大规模数据时可能会遇到内存不足的问题。