1、数据的时效性
日常工作中，我们一般会先把数据储存在一张表中，然后对这张表的数据进行加工、分析。既然数据要储存在表中，就有时效性这个概念。
如果我们处理的是年级别的数据，比如人口分析、宏观经济分析，那么数据最新日期距今晚个一两周、甚至一两个月都没什么关系。
如果我们处理的是天级别的数据，比如各大网站的用户偏好分析、零售供销分析，一般晚个几天也是可以的，即 T+N 更新。
如果是小时级别的数据，对时效性要求就更高了，比如金融风控，涉及到资金的安全，必须有一张小时级别的数据。
那么还有没有要求更高的？当然有了，比如风险监测，网站必须有实时监测系统，一旦有攻击，就必须立刻采取措施，双十一或者周年庆的时候，各大电商平台都经历着严峻的流量考验，也必须对系统进行实时的监测。此外，网站的实时个性化推荐、搜索引擎中也对实时性有极高的要求。
在这种场景下，传统的数据处理流程——先收集数据，然后放到DB中，再取出来分析——就无法满足这么高的实时要求，在隔壁，有一种叫“流式计算”的处理方法。
2、流式计算与批量计算
刚刚说的：收集数据 - 放到DB中 - 取出来分析 的传统的流程，叫做批量计算，顾名思义，将数据存起来，批量进行计算。
而流式计算，也跟名字一样，是对数据流进行实时计算，它不是更快的批计算，可以说，是完全不同的处理思路。
通过与批量计算进行对比的方式，介绍下其原理：
(1) 与批量计算那样慢慢积累数