1. 实时处理

Spark Structured Streaming是基于Spark SQL引擎的实时流处理框架，它支持实时的数据处理和查询，可以在给定的时间间隔内处理流式数据。它可以从Kafka、Kinesis、Flume、Twitter等数据源读取流式数据，并将其转换为可供Spark SQL处理的结构化数据流，进而将其转换为一个或多个输出流，可以将结果写入Kafka、HDFS、Cassandra、Elasticsearch等数据存储系统。

2. 容错性

Spark Structured Streaming支持容错性，即当出现故障时，可以自动恢复，确保结果的准确性。它支持基于状态的容错性，可以跟踪数据的处理状态，以便在出现故障时重新处理数据，而不会丢失任何数据。它还可以跨节点复制状态，以保证数据的安全性。

3. 易于使用

Spark Structured Streaming使用简单，可以使用Spark SQL语句来处理流式数据，这与使用Spark SQL处理静态数据的方式相同。它支持多种输入和输出格式，可以使用现有的Spark SQL程序来处理流式数据，也可以使用Spark MLlib和Spark ML来处理流式数据。此外，Spark Structured Streaming还支持多种语言，包括Java、Scala、Python和R，可以在这些语言中编写Spark SQL程序来处理流式数据。