小米在Flink实时数仓的优化方案

来源：语雀原文 | 整理日期：2026-09-22

背景介绍：

Flink简介

Flink是Apache提供的一个批处理和流处理结合的统一计算框架，其核心是一个提供了数据分发以及并行化计算的流数据处理引擎。它的最大亮点是流处理，是业界最顶级的开源流处理引擎。

Flink最适合的应用场景是低时延的数据处理（Data Processing）场景：高并发pipeline处理数据，时延毫秒级，且兼具可靠性。

Flink技术栈如图1所示。

Flink技术栈

Flink在当前版本中重点构建如下特性：

• DataStream
• Checkpoint
• 窗口
• Job Pipeline
• 配置表

Flink在小米的版本历程：

Flink在小米的现状：

Flink在小米的系统架构

服务业务

面临问题：

解决方案：

一：作业资源用量不好确定，影响资源利用率

如何抉择?

二：存量版本过多，开发和运维压力大

多个版本同存，老用户没有强意愿升级

导致：开发压力大，多版本同时维护；运维压力大，多版本来回切换

解决策略：

三：作业启动速度慢，造成作业重启时间断流

优化措施：

四：Flink SQL维表Join 相关优化

Flink SQL维表Join 维表类型占比

表大小及速度对比：

优化策略：

最佳实践：

规划与展望：

总结：