广告系统中后链路数据为什么要使用流批一体技术？流批一体技术是什么？

在大规模广告系统的后链路（离线和实时特征计算、模型训练与上线、效果监控等）中，往往既有对海量历史数据的批量计算需求（离线特征、离线模型训练、报表汇总），又有对在线请求的低延迟实时计算需求（实时特征、在线打分、实时监控／告警）。传统将二者割裂、用 Lambda 架构（Batch + Speed 层）分别实现，带来了：

• 代码与业务逻辑重复
• 数据语义／计算结果不一致
• 运维成本、调度复杂度翻倍
• 开发调试效率低

流批一体技术（Streaming + Batch Unified）正是在这个场景下应运而生，用以打通“离线 ↔ 实时”两条腿，统一底层引擎、统一 API、统一数据语义、统一运维调度，从而大幅降低系统复杂度并提升实时性与一致性。

以下从“概念”、“核心能力”、“关键技术点”以及“在广告后链路的价值”四个角度做详细介绍。

一、流批一体技术概念

1. 统一计算引擎
   – 同一套计算框架即可处理有界（Batch）与无界（Stream）数据
   – 统一抽象：数据流（DataStream）、表／SQL（Table & SQL）等
2. 统一编程模型
   – 同一份代码／同一套 API（如 Flink 的 DataStream & Table API、Spark Structured Streaming & Spark SQL、Beam）
   – 业务逻辑“一次编写、实时／离线皆可跑”
3. 统一时间语义
   – 事件时间（Event Time）驱动，Watermark + Window 机制同时支持离线全局聚合和实时滑动／滚动窗口
4. 统一容错与状态管理
   –