今天分享的是：2025上海站（PPT合集）
报告共计：123页
Flink Forward Asia 2025上海站：实时计算技术赋能多行业『数字化』转型
在『数字化』浪潮与AI技术深度融合的当下，实时数据处理能力成为企业竞争力的核心要素之一。8月16日，Flink Forward Asia 2025城市巡回上海站如期举行，来自阿里云、饿了么、滔搏、淘天集团等企业的技术专家，分享了Apache Flink及相关生态技术在AI融合、湖仓架构、业务实践等领域的最新探索，为各行业『数字化』转型提供了可落地的技术路径。
Flink+AI：实时数据处理开辟新场景
随着AI技术在各行业的渗透，“实时数据+AI”的融合需求日益迫切。阿里云智能高级技术专家、Apache Flink PMC成员宋辛童指出，Flink在实时AI领域已形成两大核心应用方向：实时AI数据分析与实时AI智能体。
在实时AI数据分析层面，Flink可支撑情感分析、智能推荐、实时知识更新（RAG）等场景。例如，通过Flink的AI函数直接对接大模型服务，能实现文本的实时分类打标与“温度感知”，还可将结构化与非结构化数据转化为向量数据，存入向量数据库实现毫秒级相似性搜索。这一能力已在头部车企的“客户之声（VOC）”项目中落地——该项目需处理高层战略、产品介绍、售后维修等多场景的语音与文字数据，传统人工抽检或NLP小模型方案存在并发低、泛化能力弱的问题。而基于Flink+阿里云百炼大模型+Kafka的架构，在1200个Kafka分区、100并发度的配置下，实现了240万条数据/小时的处理效率，远超百万条/小时的预期，同时通过优化参数控制了成本，标签生成准确度也显著提升。
实时AI智能体则聚焦“事件驱动”，覆盖直播分析、智能运维等场景。以直播分析为例，Flink可按5分钟窗口聚合弹幕数据，结合用户画像分析弹幕情绪的人群分布、讨论热点，甚至识别音画不同步等问题，为直播内容调整提供实时建议；在智能运维场景中，Flink能整合日志、节点状态、作业指标等数据，通过调用大模型诊断心跳超时、GC时间过长等故障，并给出调优建议，减少人工干预成本。宋辛童强调，Flink的实时性（秒级至亚秒级响应）、大规模分布式处理能力（每秒千万级吞吐）、成熟的容错机制，成为支撑这些场景的核心优势，而开源项目Flink Agents的推进（计划9月底发布首个MVP版本），将进一步降低AI智能体的开发门槛，吸引更多企业参与生态共建。
湖仓架构升级：从“数据孤岛”到“统一协同”
传统数据处理中，“数据孤岛”“流批分离”等问题长期困扰企业，而Lakehouse（湖仓一体）架构凭借“统一存储、开放生态、高效治理”的特性，成为破局关键。本次大会上，多位专家分享了湖仓架构的实践经验，其中Paimon作为核心技术载体，展现出强大的适配能力。
阿里云开源数据湖平台负责人、Apache Paimon PMC Chair李劲松介绍，从传统Hive离线数仓到Lakehouse的升级，核心在于解决“数据割裂”与“治理复杂”问题。Paimon REST Catalog通过统一元数据管理，支持结构化、非结构化、AI模型等多模态数据存储，同时优化了权限管控与性能——相比Hive Metastore的权限碎片化、高并发查询效率低等问题，Paimon REST Catalog实现了细粒度权限控制与审计，元数据查询速度提升显著，还能通过UUID路径设计避免跨系统数据冲突，支持异步延迟删除，为多引擎（Flink、Spark、StarRocks等）共享数据提供保障。
饿了么与滔搏的实践则让湖仓架构的价值更具象。饿了么大数据架构师王沛斌表示，饿了么实时数仓经历了从“烟囱式开发”（1.0）到“CDM资产复用”（2.0）的演进，最终选择基于Flink+Paimon构建Lakehouse架构（ALake）。以淘宝闪购业务为例，该业务日订单量最高突破8000万单，传统T+1时效无法满足实时库存监控、营销定价等需求。通过Flink实时处理订单数据，结合Paimon的流写流读能力，饿了么实现了1-5分钟的数据延迟，存储成本降低30%以上，查询性能提升40%，同时支撑了AB实验、商家生意参谋、实时决策大屏等核心场景，研发周期从“周级”缩短至“小时级”。
作为国内最大的运动零售运营商，滔搏则面临“设备老旧”“数据处理瓶颈”等零售行业典型痛点。滔搏数创中心负责人张君祥介绍，此前滔搏依赖Hadoop集群+Kudu、Impala等组件，存在硬件性能不足、组件社区热度低、维护成本高等问题。通过转型Flink+Paimon架构，滔搏实现了全渠道数据的实时整合——线上电商平台（天猫、得物等）与线下门店的交易、库存数据可秒级同步，支撑了“线上线下一盘货”“实时调货补货”“个性化会员营销”等场景。转型后，数仓任务整体效率提升20%以上，240个API接口、3994个计算任务的运维复杂度大幅降低，还通过向Paimon社区贡献源码，实现了从“技术使用者”到“生态共建者”的转变。
淘天Fluss创新：破解实时数仓痛点
在大促、高并发等场景中，实时数仓常面临数据消费冗余、探查困难、大状态运维复杂等问题。淘天集团大数据架构师王利雷分享了基于Apache Fluss（incubating）的解决方案，为这些痛点提供了新思路。
据介绍，淘天搜推AB实验分析平台（通天塔）需处理曝光、点击、成交等海量数据，传统架构中，MQ数据需整行消费（仅用30%列却消耗100%资源），State数据“黑盒不可查”，双流Join的大State运维（如24小时状态重置）耗时耗力，数据订正依赖下游去重，语义不明确。而Fluss通过三大核心能力解决这些问题：一是列存架构，基于Apache Arrow实现按需消费，仅传输所需列，IO消耗随读取列数减少等比下降；二是K-V表Merge引擎，支持首行优先、末行优先、自定义版本等更新方式，简化数据订正；三是Delta Join技术，将CDC流读与索引点查结合，替代传统双流Join的大State维护，State大小减少95%以上，CPU与内存资源消耗降低80%。
在2025年618大促中，淘天搜推基于Fluss的实时数仓经受住了考验：流量峰值达1000万级/秒，数据规模超PB级，平均延迟低于1秒，同时支撑了成交归因、多维即席分析、AB报表等核心场景。王利雷表示，未来淘天将进一步拓展Fluss的应用范围，探索多模态数据管道、实时特征工程等方向，推动“流批一体”从技术概念走向更广泛的业务落地。
落地工具：简化企业技术实践路径
为降低企业应用门槛，本次大会还介绍了Flink CDC与流批一体LakeHouse的标准化解决方案。传统数据集成需分别处理全量与增量数据，系统复杂且维护成本高；而Flink CDC技术可实现全量+增量数据的统一实时同步，无需额外合并操作。此外，结合阿里云数据湖构建（DLF）与Paimon，企业可快速搭建云原生LakeHouse——DLF提供统一元数据与权限管理，Paimon实现流批一体存储，配合Flink、Spark等计算引擎，打破数据孤岛，实现“一份数据，多端复用”。
当前，这些解决方案已支持在线部署，企业可通过阿里云平台快速体验，无需从零搭建架构。无论是『互联网』企业的高并发场景，还是零售、制造行业的实时业务需求，都能从中找到适配的技术路径。
从AI融合到湖仓实践，从技术创新到行业落地，Flink Forward Asia 2025上海站的分享展现了实时计算技术的“实用性”与“前瞻性”。在『数字化』转型加速的今天，Flink及相关生态技术正成为企业打通数据链路、释放AI价值、提升业务敏捷性的关键支撑，为各行业创造更高效、更智能的发展空间。
以下为报告节选内容
报告共计： 123页
中小未来圈，你需要的资料，我这里都有！
