fluss

功能点 10：Delta Join 与状态外部化对应源码阅读计划功能点 10：DeltaJoinOperator、JoinStateStore、无状态计算架构。

图解 Fluss（三）：读写全链路 —— 一次写入、一次扫描、一次点查阅读本文你将了解：一条记录从客户端到落盘要经过哪些步骤、Exactly-Once 是怎么保证的、列裁剪为什么能把网络传输降两个数量级、以及 Lookup Join 的三级缓存如何让维表关联做到亚毫秒级。

图解 Fluss（五）：Flink 接入与数据生命周期 —— Connector、表生命周期与冷热分层阅读本文你将了解： Flink 是怎么"发现"Fluss 表的、Split 与 Bucket 的映射关系、一条 CREATE TABLE 在集群内部要走几步、Schema Evolution 为什么只支持加列、以及热数据如何自动归档成 Iceberg/Parquet 并被同一条 SQL 查到。

StarRocks × Fluss × Paimon：流湖仓分析与 ETL 闭环作者：段彦阿里云高级研发工程师导读：在传统数据架构中，一份数据从业务系统产生，到最终支撑分析、风控、报表及对外服务，往往需要经过多套系统、多份存储和多次口径对齐。随着业务对秒级数据新鲜度、运维效率及湖仓能力提出更高要求，传统架构的局限也愈发明显。

图解 Fluss（四）：分布式协调 —— 选举、副本状态机与阅读本文你将了解：三个 Coordinator 如何选出唯一 Leader 且不脑裂、一个 Tablet 副本的状态迁移路径、节点宕机时数据为什么不会丢、以及扩容时 Fluss 如何在不中断服务的前提下搬移数据。

图解 Fluss（一）：一张图看清整体架构，两张图理解核心服务阅读本文你将了解： Fluss 集群由哪几类节点构成、Coordinator 与 TabletServer 的职责边界为什么这样切分、元数据和数据分别存在哪里、以及 Coordinator 的"两阶段启动 + ZK Fence"设计如何防止脑裂。

基于 Fluss、Paimon 与 StarRocks 构建淘天集团湖流一体数据链路作者：朱奥，淘天集团高级数据开发工程师导读：本文整理自淘天集团朱奥在 Flink Forward Asia 2026 的分享，介绍了 Fluss、Paimon 与 StarRocks 构建湖流一体架构的实践：Fluss 负责秒级实时数据，Paimon 沉淀历史数据，StarRocks 提供统一分析入口，实现秒级至历史数据的一体化分析。目前，该方案已实现开发效率提升 50% 以上、实时链路成本降低 80% 以上。

StarRocks x Fluss x Paimon 湖流一体方案：构建秒级响应、湖流一体的实时数据引擎StarRocks x Fluss x Paimon 湖流一体方案通过将 Apache Fluss（面向分析场景的实时流存储）与 Apache Paimon（高性能湖格式表）深度融合，以 StarRocks 作为统一查询入口，构建了一套具备秒级新鲜度、十倍成本降低、一份数据一次查询的全新实时数据引擎。本文将介绍该方案的核心架构、技术优势、查询模式以及实现原理。

功能点 11-12：客户端、RPC 通信、监控与安全对应源码阅读计划功能点 11-12：FlussClient、Netty RPC、LogScanner、MetricRegistry、PrometheusReporter、FlussAuthorizer。

功能点 9：Flink Connector对应源码阅读计划功能点 9：FlussCatalog、FlussSource/SourceEnumerator/SourceReader、FlussSink/Writer/Committer、LookupFunction。

功能点 8：Tiering 分层存储与 Lakehouse对应源码阅读计划功能点 8：TieringService、ArrowParquetCompactor、LakeUnionRead、Iceberg/Paimon/Lance 集成。

功能点 6：Arrow 列式格式对应源码阅读计划功能点 6：ArrowLogWriter/Reader、ColumnProjector 列裁剪、Arrow 内存管理。

功能点 4：LogStore 日志存储引擎对应源码阅读计划功能点 4：LogTablet → LogSegment → .log/.index 文件的完整写入和读取路径。

功能点 3：Bucket、Partition 与数据分布对应源码阅读计划功能点 3：BucketingFunction、RebalanceCoordinator、TabletBalancer、数据如何切分和路由。

第 9 篇：「Fluss 运维实战」—— 部署、监控与故障排查阅读本文你将了解： Fluss 的三种部署方式、Kubernetes Helm Chart 部署、Prometheus + Grafana 监控配置、日常运维操作（扩缩容、备份恢复），以及 Top 10 常见故障排查手册。

功能点 1：项目骨架与启动流程 —— 源码阅读笔记对应源码阅读计划功能点 1：理解 Fluss 的模块组织、CoordinatorServer 和 TabletServer 的完整启动流程、Standby/Leader 状态机、ZooKeeper 注册机制。

第 10 篇：「Fluss 实战案例集」—— 完整解决方案与最佳实践阅读本文你将了解： 5 个完整的生产级端到端案例——电商实时大屏、实时特征存储、CDC 数据管道、实时风控系统、客户 360。每个案例包含架构设计、表结构 DDL、Flink 作业代码和运行指南。最后附 Kafka 迁移指南和生产就绪评估清单。

第 5 篇：「Fluss 列式流处理」—— Arrow 格式与查询优化阅读本文你将了解： Apache Arrow 列式存储的基础原理、Fluss 的 Arrow Log 格式设计、列裁剪/谓词下推/分区裁剪三种优化技术的协同效应、以及与 Kafka 行式存储的性能对比。

第 4 篇：「Fluss + Flink 集成实战」—— Catalog、Source 与 Sink阅读本文你将了解：如何使用 Fluss 作为 Flink 的原生 Catalog、如何读写 Fluss 表、DataStream API 集成、以及一个完整的实时订单宽表构建案例。

第 2 篇：「Fluss 架构深入」—— CoordinatorServer、TabletServer 与存储引擎阅读本文你将了解： Fluss 集群的完整架构、CoordinatorServer 和 TabletServer 的职责分工、LogStore 和 KvStore 的存储机制、Tablet/Bucket 如何组织数据、以及远程存储和 ZooKeeper 的角色。