本文旨在以简单明了的方式引导您快速上手云消息队列 Kafka 版流计算能力。
开服地域
已开服：杭州、北京、上海、新加坡
关键名词解释
预留 CU：预留 CU 是流任务运行所需的最小资源保障，即实例在任意时刻都会为该任务持续预留、不会被回收的计算单元数量。
作用说明： 预留 CU 是流任务的资源基线。无论当前数据流量高低，系统都会为任务锁定这部分资源，确保任务在低峰期也能稳定运行、不因资源不足而降速或中断。它决定了任务的"保底算力"，也是计费的固定基础部分——即使任务处于空闲状态，预留的这部分 CU 仍会持续占用并计费。
取值建议： 预留 CU 应参照业务的日常平均负载设置，能够平稳承接大部分时段的数据处理量即可。设置过低会导致常态下频繁触发弹性扩容、增加调度开销并可能引入处理延迟；设置过高则会在低峰期造成资源闲置、抬高固定成本。建议结合监控中的 Busy 百分比与 CU 数量观察一段时间后校准：若日常 Busy 长期偏低，可适当调低预留 CU。
CU 上限：CU 上限是流任务在弹性伸缩过程中所能扩展到的最高计算资源边界，即实例自动扩容时允许占用的计算单元数量上限。
作用说明： CU 上限为任务的弹性能力"封顶"。当数据流量上涨、预留 CU 不足以支撑当前负载时，系统会在预留 CU 与 CU 上限之间自动扩容，动态补充算力以消化流量高峰、抑制反压与延迟；当流量回落后，再自动缩容回收多余资源。CU 上限既保证了任务应对突发峰值的能力，又通过设置边界防止异常流量或作业问题导致资源无限扩张、产生不可控的费用。超出预留 CU 的这部分弹性资源，按实际用量计费。
取值建议： CU 上限应参照业务的峰值负载并预留一定余量设置，确保大促、突发流量等场景下任务仍有足够算力扩容。若设置过低，高峰期任务会因触达上限而无法继续扩容，表现为反压升高、处理延迟累积；若设置过高，虽不影响正常运行，但在异常放量时可能带来超出预期的成本，因此建议同时配置资源用量告警。CU 上限必须大于或等于预留 CU。
使用限制
DML 限制：不支持
UPDATE/DELETE；INSERT INTO仅支持追加或 UPSERT 模式。JOIN 限制：暂不支持 JOIN 语义。
精确一次语义：端到端精确一次依赖 Sink 的幂等或事务能力（如 Kafka 事务）。
窗口作业资源：使用窗口函数的作业 CU 用量较高，建议至少配置 4 CU。
整体吞吐受外部系统制约：性能参考值仅为内部计算能力，实际吞吐会受上下游数据源/目标的连接数、TPS、配额等限制。
资源上限：资源上限用于在实时数据流量上升时，有足够的计算资源尽快处理数据的计算。请保障账号余额充足，避免因欠费导致流任务停止。
源和目标限制：Kafka流计算能力，必须以云消息队列 Kafka 实例作为源或目标。
快速入门
开通并购买计算实例：在云消息队列 Kafka 版控制台开通流计算能力，购买计算实例。此时不会产生费用。
部署实例：在控制台部署实例，部署实例主要确认该计算实例后续任务的网络架构，等待状态变为"服务中"。
配置成员与权限：将需要使用的阿里云账号或 RAM 用户添加为成员，并通过角色授予相应权限（需要补充流计算实例相应的API列表）。
编写流任务：新建流任务，使用流式 SQL 定义输入表、输出表和数据处理逻辑。云消息队列 Kafka 版流计算兼容 Flink SQL，支持以下两种创建方式：
通过连接器创建：选择已有数据源或目标端连接器，由系统生成对应的 SQL 模板，在模板基础上补充处理逻辑。
手动创建流任务：手动编写 SQL，或者复制并修改已有流任务的 SQL。
运行流任务：运行流任务。
调试运行：控制台会展示部分执行结果以供参考，此时数据不会写入目标端，会产生计算资源的计量、计费。
运行：按照SQL部署并执行任务，数据会写入目标端，会产生计算资源的计量、计费。
观测与调优：通过实例级/任务级监控指标观测 CU 水位、吞吐、Lag 与背压，按需开启弹性伸缩或调整 CU。