要解决这个问题，可以尝试以下步骤：

1. 确认当前Spark Streaming版本是否大于2.1.1。可以使用以下代码来检查Spark Streaming版本：

from pyspark import SparkContext
from pyspark.streaming import StreamingContext

sc = SparkContext()
ssc = StreamingContext(sc, batchDuration=1)
print(ssc.version)

如果打印的版本号大于2.1.1，那么问题可能不是由版本引起的。

2. 如果版本确实大于2.1.1，但你仍然觉得Spark Streaming比2.1.1版本慢，可以尝试以下优化措施：

from pyspark import SparkConf, SparkContext
from pyspark.streaming import StreamingContext

# 创建Spark配置
conf = SparkConf().setAppName("StreamingApp").setMaster("local[2]")
# 创建Spark上下文
sc = SparkContext(conf=conf)
# 创建Streaming上下文，批处理间隔为1秒
ssc = StreamingContext(sc, batchDuration=1)

# 设置日志级别为WARN
sc.setLogLevel("WARN")

# 设置Spark Streaming的并行度
ssc.sparkContext.setCheckpointDir("/tmp/checkpoint")
ssc.sparkContext.setLocalProperty("spark.scheduler.pool", "production")

# 执行Spark Streaming逻辑
# ...

# 启动Streaming应用
ssc.start()
ssc.awaitTermination()

这里的优化措施包括：

• 设置日志级别为WARN，可以减少不必要的日志输出，提高性能。
• 设置Spark Streaming的并行度，可以根据实际需求调整并行度，以充分利用集群资源。
• 设置checkpoint目录，可以提高容错性。
• 设置spark.scheduler.pool参数，可以将Streaming任务置于独立的调度池，避免与其他任务争夺资源。

3. 如果以上步骤仍然没有解决问题，可以尝试升级Spark版本。可以参考Spark官方文档或社区中的升级指南，了解如何升级Spark版本。

希望以上解决方法能帮助到你。