流计算&是一种将应用转化为以流为基本处理对象的计算模型，它摒弃了传统计算模型中计算和访存紧密耦合的形式，将应用中的计算和访存进行解耦合。在流计算模型中，被处理的基本数据单位是流，各个操作被视为对整条流的操作。流计算模型包括流聚合、流分散和流计算等操作，其中流计算是以计算核心的形式体现的。流计算模型对一般应用的转化过程在计算和数据组织两个方面展开，它通过流链接计算核心，共同完成整个应用的复杂功能，并通过流分散操作将输出流转化为应用的输出数据。

流数据是通信领域中常用来表示一连串的数字编码序列，但在实际应用中，它用来表示某一设备所产生的连续事件信息。这类事件流包含两个方面的特征：一是事件信息是连续不断产生，二是需要实时的对更新的数据流进行分析，提取有用的信息。流数据的特点包括数据快速持续到达，潜在大小可能无穷无尽，数据来源众多，格式复杂，数据量大，但不是十分关注存储，一旦经过处理，要么被丢弃，要么被归档存储。流计算的目标是实时获取来自不同数据源的海量数据，经过实时分析处理，获取有价值的信息，其处理流程包括数据实时采集、数据实时计算、实时查询服务等。

流计算系统要求高性能、海量式、实时性、分布式、易用性、可靠性。流计算处理流程包括数据实时采集、数据实时计算、实时查询服务等。开源流计算框架Storm是一个整合性、简易的API、可扩展性、可靠的消息处理、支持各种编程语言的框架，它将流数据描述成无限的Tuple序列，这些Tuple序列会以分布式的方式并行地创建和处理。Spark Streaming和Samza也是流计算框架，它们各自有不同的特点和应用场景。