流处理与批处理的本质区别：无界输入决定的连锁反应

[[三种系统架构在线服务批处理流处理的划分与衡量标准]]里提到批处理的核心假设是输入有界——已知且固定大小，作业知道自己何时读完全部输入；而流处理面对的是无界数据，数据随时间持续到达，除非停业否则永不”完成”，所以只能把无界流当成”输入永无止境的批处理”来对待。这个看似简单的差异会连锁触发一系列技术后果：批处理里的排序合并连接依赖”能读完全部输入才能开始输出”（最后一条记录可能持有最小的键），这个前提在无界流上根本不成立，所以流处理不能直接照搬排序合并连接；批处理的容错可以简单地”从头重启失败任务”，因为作业总归会在有限时间内跑完，但对一个已经运行数年、永不停止的流作业而言，从头重放全部历史是不现实的，容错机制必须变成能从某个中间点恢复而非从零开始。发散：流处理领域的很多设计选择（窗口、恰好一次语义的实现方式），归根结底都是在为”我们永远不知道输入什么时候能读完”这一个前提找配套的解法。