流式数据（Streaming Data）和非流式数据（Batch Data）区别、使用场景、优化-来自前端的浅解
流式数据（Streaming Data） 和 非流式数据（Batch Data） 是两种不同的数据处理模式，它们在数据来源、处理方式和应用场景上有显著区别。
流式数据指的是按时间顺序连续不断地产生的数据流。这些数据流可以来自于各种来源，如传感器、日志文件、社交媒体等
非流式数据是指数据作为一个整体进行传输和处理的数据。
一、基本概念
| 特性 | 流式数据（Streaming Data） | 非流式数据（Batch Data） |
|---|---|---|
| 数据来源 | 实时产生的连续数据流 | 静态的、预存储的数据集 |
| 处理方式 | 实时处理，逐条或小批量处理 | 批量处理，一次性处理整个数据集 |
| 延迟要求 | 低延迟（毫秒到秒级） | 高延迟（分钟到小时级） |
| 数据规模 | 通常较小，但持续不断 | 通常较大，一次性处理 |
| 典型应用 | 实时监控、日志分析、金融交易 | 数据仓库、离线分析、报表生成 |
二、使用场景
1. 流式数据
- 实时监控：如服务器监控、IoT 设备数据采集。
- 日志分析