DataStream API支持不同的运行时执行模式（batch/streaming），你可以根据自己的需求选择对应模式。

DataStream API的默认执行模式就是streaming，用于需要连续增量处理并且预计会一直保持在线的无界（数据源输入是无限的）作业。

而batch执行模式则用于有界（输入有限）作业，即已知的输入是固定的，并且不会连续运行。

Flink统一了对batch和streaming不同执行模式的处理方式，即共用同一套api，不管你配置了什么执行模式。这也意味着在有限的输入上，batch和streaming的处理最终结果应该是相同的。这里强调最终结果，是因为在streaming模式下执行的作业可能会产生增量更新（比如数据库中的upserts），而批处理作业最终只会产生一个最终结果，但最终结果是相同的，不过两者的实现方式可能不同。

在batch模式下，因为输入是有限的，可能就会有一些额外的优化，比如可以使用不同的join/aggregation策略，以及不同的shuffle实现，以实现更高效的任务调度和故障恢复行为。

1. batch和streaming之间的选择

最简单的判定规则：有界作业使用batch，无界作业使用str