湖流一体是一种融合数据湖与实时流的新型数据架构理念。
湖流一体
核心定义
湖流一体是一种融合数据湖与实时流的新型数据架构理念，旨在打破传统批处理与流处理的边界，实现统一存储、统一元数据、统一访问下的实时与离线一体化数据处理。常用于解决数据湖数据时效性问题（如分钟级延迟提升至毫秒级），以及解决数据流 OLAP 分析的能力。
它通过将实时流式存储（Fluss）与基于 Paimon 的数据湖（由 DLF 统一管理元数据）进行深度集成，实现“一份数据，两种视图”，即在同一个逻辑表中，同时提供低延迟的实时数据访问和高吞吐的历史数据分析能力。
核心原理
自动同步：Fluss 集群开启该功能后，系统自动创建 Flink 同步作业，将 Fluss 中的实时事件流持续写入至 Paimon 表。
联合读取 (Union Read)：Flink 查询引擎支持对同一张表发起查询时，自动合并来自 Fluss 的实时自 Paimon 的历史数据，按主键进行去重，对外呈现为一张完整、一致、最新的表。
元数据统一：DLF 作为统一元数据服务，管理 Paimon 表的表结构、分区、权限等信息，确保数据可被多种计算引擎（如 Flink, Spark, Presto）无缝访问。
数据共享：Fluss 与 Paimon 协同构建流批一体存储架构，Fluss 作为实时数据层，提供毫秒级延迟的热数据写入与访问能力；Paimon 作为历史数据层，承载长周期、高性价比的历史数据存储。两者数据相互共享，避免重复数据存储。
关键能力
降低架构复杂度：消除传统“流批分离”带来的双链路开发、双份存储、双重运维成本。
保障数据一致性：通过统一的数据模型和计算引擎，确保实时与离线分析结果的一致性。
简化运维：提供端到端的监控面板，包含同步延迟、作业状态、健康分等指标，并集成一键启停、报警设置等运维入口。
提升敏捷性：开发者无需关心底层数据物理位置，仅需关注业务逻辑，即可快速构建实时数仓、实时报表、AI 特征工程等场景。
前提条件
开通服务
已创建Flink工作空间，需与Fluss位于同一VPC，详情请参见开通实时计算Flink版。
已开通DLF服务并新建Catalog，需与Fluss位于同一地域，且添加Flink所在VPC为白名单。详情请参见授权并开通DLF与配置VPC白名单。
版本限制
不支持DLF-Legacy使用。
权限要求
开启湖流一体
登录实时计算管理控制台。
选择流存储Fluss页签，单击操作列控制台，进入Fluss集群。
在集群概览页中的右下角，选择
开启后，完成服务关联。完成关联后，单击确认。开启成功后，可查看所关联的Flink项目空间中的同步任务。
重要同步任务默认需要 7CU 来保证任务运行，请确保项目空间拥有足够的资源启动。
启动后，若不关闭湖流一体，任务将会持续运行，产生相关费用，请知悉。
（可选）若服务启动失败或出现预期之外的报错，可进入关联的Flink工作空间中，在中，查看到
tiering-fluss开头的JAR作业。若未找到该作业，说明服务未成功提交或权限不足。
若作业存在但状态异常（如 FAILED、CANCELED），可进一步查看作业日志定位具体错误。
在Fluss控制台中，在左侧导航栏选择数据管理，单击对应的数据库，在右侧展示的数据表中，可选择
开启湖流一体。说明如果没有表，可先进行在Flink工作空间注册 Fluss Catalog，然后再创建表。
开启湖流一体表后，系统会自动将表的元数据同步至 DLF。可在 DLF 中对应关联的 Catalog 下，找到一个与 Fluss 中同名的库。该库包含与源表完全一致的表结构和元数据，用于统一查询与管理。
同步前请确保 DLF 中不存在同名的表，否则可能导致同步失败或冲突。
湖流一体数据一致性说明
湖流一体表启用后，Fluss 中的数据会通过 Flink 同步作业持续写入基于 Paimon 的数据湖，其表结构元数据由 DLF 统一管理，一经创建即长期保留。
对于主键表，采用 changelog 模式处理数据变更：
当某条记录被删除时，系统不会物理移除历史数据，而是追加一条类型为
DELETE的变更日志。在执行 Union Read 查询时，Flink 引擎会自动合并 Fluss 中的实时数据与 Paimon 中的历史数据，并根据主键和变更日志进行去重与状态合并。
最终返回的结果中，已被逻辑删除的记录将不会出现，从而保证查询结果的正确性与一致性。
关闭湖流一体
在Fluss控制台，左侧导航栏选择数据管理，将已经开启湖流一体的表逐一关闭。
在集群概览页中的右下角，将
关闭，即可关闭湖流一体服务。
若存在未关闭湖流一体服务的表，将无法关闭集群层面的湖流一体服务。
关闭湖流一体服务时，Flink同步作业也会停止运行。