应用场景

背景说明

流存储Fluss作为专为流式数据设计的存储系统，可广泛应用于实时湖仓架构的构建。通过与Apache Flink的深度集成，Fluss能覆盖当前主流实时计算场景，相较传统方案，在性能与成本方面具备显著优势。

可查询的低成本流式数仓

业务场景

适用于多种实时业务场景实时数据分析，推荐系统，用户画像等。

原有方案及痛点

传统架构中，通常采用消息队列构建实时数仓的 ODS/DWD 层，并配合 OLAP 引擎提供即席查询能力，以保障链路的实时性。但在链路异常时，由于消息队列无法直接查询，问题定位困难，需将数据导入其他系统进行分析。

Fluss方案优势

• 与 Flink 生态无缝集成，提升开发与运维效率

• 支持列裁剪和部分更新，显著降低 IO 与计算资源消耗，降低成本

• 支持 KV 点查，便于快速定位异常，提升调试与排查效率

湖流一体方案

业务场景

适用于希望基于数据湖架构构建统一大数据服务体系的企业，追求架构简化、成本优化与实时能力提升。尤其适合需要同时支撑实时分析、离线加工与流式计算的混合负载场景。

原有方案及痛点

在传统的数据湖架构中，为满足不同时效性需求，通常采用“湖流分离”的模式：

• 实时链路 ：通过消息队列（如 Kafka）+ 流处理引擎（如 Flink）+ OLAP 引擎（如 Doris、ClickHouse）处理秒级延迟需求。

• 离线链路 ：通过 Flink + Paimon/ Iceberg 等湖格式构建 T+1 或分钟级延迟的批处理链路。

该模式存在明显痛点：数据多份冗余、架构复杂、一致性难保障、运维成本高 。

Fluss 湖流一体方案优势

Fluss 提出并实现了真正的“湖流一体 ”架构，核心在于：一份数据、实时写入、统一存储、多场景共享 。

• 一份数据，统一存储 ：Fluss 作为统一的数据入口，支持高并发、低延迟的实时写入，数据直接持久化至对象存储，避免在消息队列、缓存、湖表之间多次复制，显著降低存储与运维成本。

• 无缝对接 Paimon 等湖格式 ：Fluss 并非替代 Paimon，而是与其形成互补。Fluss 负责高性能实时摄入，Paimon 可作为下游湖表格式进行批处理、变更追踪或长期存储。两者通过统一元数据层实现自动、高效的数据与元数据同步 ，无需额外 ETL。

• 端到端秒级延迟 ：支持实时写入与即时查询，满足实时大屏、实时数仓、实时特征等对延迟敏感的场景，真正实现“流式处理的时效性，湖仓架构的统一性”。