Flink在计算之外，存算一体模式是否预示着技术发展的新未来？

本文共计4515个文字，预计阅读时间需要19分钟。

+Flink紧跟实时化浪潮的发展和深化，逐步演进为实时流处理的领军技术和实践标准。Flink一方面持续优化其流计算核心能力，不断提升整个行业的流计算处理标准，另一方面不断扩展其应用场景，满足更多行业的需求。

​

“伴随着实时化浪潮的发展和深化，Flink 已逐步演进为实时流处理的领军技术和事实标准。Flink 一方面持续优化其流计算核心能力，不断提高整个行业的流计算处理标准，另一方面沿着流批一体的思路逐步推进架构改造和应用场景落地，但是，随着计算流批统一的逐渐完善的同时，Flink存储的流批统一缺陷显得尤为捉襟见肘”

Flink 这几年一直在反复强调流批一体，即：使用同一套 API、同一套开发范式来实现大数据的流计算和批计算，进而保证处理过程与结果的一致性。

但是，之前Flink一直强调的仅仅是计算层的流批一体，至于流批一体，还有哪些层面呢？

• 数据集成流批一体：离线与实时是否使用统一数据采集方式；如统一通过 CDC 或者 OGG 将数据实时捕获推送到 kafka，批与流在从 kafka 中消费数据，载入明细层。

• 数据存储流批一体：离线与实时数据是否统一分层、统一存储；兼容数据的一致性和实时性。

• 处理逻辑流批一体：流与批处理是否使用统一 SQL 语法或者 ETL 组件，再通过底层分别适配流与批计算引擎，保证数据口径的一致性。