在Spark Streaming中，批处理时间间隔是指将接收到的数据流封装成一个RDD的时间间隔。因此，正确答案是A: 系统将获取到的数据流封装成一个RDD的时间间隔。

专业分析：

1. **批处理时间间隔（Batch Interval）**：这是Spark Streaming的一个核心概念，它定义了系统将数据流分成小批次（micro-batches）的时间间隔。在每个批处理时间间隔结束时，Spark Streaming会收集在该时间段内接收到的数据并将其封装成一个RDD（Resilient Distributed Dataset）。

2. **数据流处理**：在Spark Streaming中，数据流被分割成一个个的微批次（micro-batches），每个微批次对应一个RDD。批处理时间间隔决定了每个微批次的时间长度。

3. **与其他选项的比较**：
- B选项和C选项提到的“统计分析”实际上是发生在数据被封装成RDD之后的处理阶段，而不是定义批处理时间间隔的作用。
- D选项中的“系统作业处理的周期”容易与批处理时间间隔混淆，但作业处理周期更倾向于描述整个作业的执行过程，而批处理时间间隔专注于数据流的分批方式。

因此，A选项准确描述了批处理时间间隔在Spark Streaming中的作用。