假设mongodb中有这样一个“货物”集合：

{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将其展平并保存到hive：

goodsDF.select($"name",explode($"attribute"))

但是，现在我们需要处理增量数据，例如，第三行第二天有一个新的好数据

{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在流媒体方面更好，因为flink有事件驱动程序应用程序、流媒体管道和批处理，但spark只是微批处理。
所以我们改为使用flink，但是spark已经编写了很多代码，比如上面的“explode”，所以我的问题是：是否可以使用flink获取源代码并保存到sink，但是在中间，使用spark转换数据集？
如果不可能，那么把它保存到一个临时接收器，比如说，一些json文件，然后spark读取这些文件并转换保存到hive。但是我担心这没有意义，因为对于spark来说，它也是增量数据。使用flink然后使用spark与直接使用spark structured streaming是一样的。