在 Flink 的官方文档中对流数据和批数据有一个简单的说明.如图：
用一条时间轴来表示一个持续输入的数据流，那么当截取某一段时间内的数据时，也就时这段有开始时间和结束时间的数据，其实就是一批数据。也就是批数据时某段时间流数据的静态表示，也就是一段有界的流数据。针对这段有界的流数据，可以进行批操作也可以进行流操作。而对于没有结束时间的无界数据流，只能进行流操作，无法进行批操作。
流计算与批计算的对比
- 数据的时效性不同：流式计算实时，低延迟；批计算非实时，高延迟。
- 数据特征不同： 流式计算的数据一般是动态的，没有边界的，而批处理的数据一般是静态数据。
- 应用场景不同： 流计算的应用场景是实时场景，时效性要求比较高的场景，入实时推荐，业务监控等。 批处理应用在实时性要求不高，离线计算的场景下，如数据分析，离线报表等。
- 运行方式不同：流计算的任务是持续进行的，批量计算的任务是一次性完成的。
