如何使用flink和spark，以及spark只是为了转换？

"
假设mongodb中有一个“商品”集合，如下所示：

{name:""A"",attr:[""location"":""us""],""eventTime"":""2018-01-01""}
{name:""B"",attr:[""brand"":""nike""],""eventTime"":""2018-01-01""}
在过去，我使用spark来压扁它并保存到hive：

goodsDF.select($""name"",explode($""attribute""))
但是，现在我们需要处理增量数据，例如，第二天第三行有一个新的商品

{name:""A"",attr:[""location"":""us""],""eventTime"":""2018-01-01""}
{name:""B"",attr:[""brand"":""nike""],""eventTime"":""2018-01-01""}
{name:""C"",attr:[""location"":""uk""],""eventTime"":""2018-02-01""}
我们的一些团队认为flink在流媒体上更好，因为flink有事件驱动应用程序，流管道和批处理，但spark只是微批。

所以我们改为使用flink，但是有很多代码已经由spark编写，例如上面的“explosion”，所以我的问题是：是否可以使用flink来获取源并保存到接收器，但是在中间，使用spark来转换数据集？

如果不可能的话，如何将它保存到临时接收器，让我们说，一些json文件，然后spark读取文件并转换并保存到hive.But我担心这没有意义，因为对于spark，它也是增量数据。使用flink然后使用spark就像直接使用spark Structured Streaming一样。"