流计算是面向流式数据的计算，即对持续不断产生的数据流进行实时采集、处理、分析与输出，最终将处理结果写入目标表。流计算的核心是 “边产生数据边处理”，而非等待数据全部存储后再批量计算。因此，流计算的一大关键优势就是——能够极大地缩短从数据产生到获取洞察之间的时间，在更短时间内挖掘数据价值。

延迟高、吞吐低

传统批处理延迟＞5s，难以应对百万级 TPS 吞吐，数据延迟导致业务决策滞后，错失市场机会。

响应慢，缺乏灵活性

静态数据处理模式难以应对动态业务变化，缺乏实时告警和即时响应能力。

业务决策实时化

智能制造、智慧能源等领域需在秒级内完成数据清洗、异常检测并触发告警，延迟容忍度极低。

数据价值时效性

设备故障预测等场景要求对最新数据即时分析，历史批处理模式无法满足业务敏捷性需求。

多系统协同需求

实时处理结果需同步推送至其它业务系统，要求数据通道具备低延迟订阅能力。

 计算 - 存储融合

摒弃 “存储 - 传输 - 计算” 分离模式，通过 “本地计算” 将流处理逻辑嵌入存储层，如边缘节点直接执行振动数据异常检测（WHERE vibration > 阈值）。

 边缘 - 云端协同

根据数据访问频率动态调整存储层级，边缘节点预处理后仅上传聚合结果（如每小时均值）。

KaiwuDB 使用 SQL 定义实时流变换，当数据被写入流的源表后，数据会被以定义的方式自动处理，并根据定义的触发模式向目的表推送结果，替代了传统复杂流处理系统（如 Kafka、Flink），在高吞吐的数据写入的情况下，提供毫秒级的计算结果延迟。

支持 where 进行行级条件过滤、标量计算、分组聚合查询、窗口计算。