数据流中的 sink 是一个组件，负责接收、存储或转发来自流式系统的已处理数据。可以将其视为数据经过摄取、转换或分析后到达的终点。例如，在处理实时销售交易的管道中，sink 可能是一个存储最终订单的数据库、一个显示实时指标的仪表盘，或者另一个用于进一步处理的消息系统。Sink 与生成或摄取原始数据的 source 不同，它们在确保处理后的数据可用于报告、机器学习或归档等下游应用方面起着关键作用。
Sink 将流式系统与外部工具和存储集成。常见的例子包括数据库（例如 PostgreSQL, Cassandra）、数据湖（例如 Amazon S3, Azure Data Lake）和消息系统（例如 Apache Kafka 主题）。Kafka Connect 或 AWS Kinesis Data Firehose 等云服务提供了预构建的 sink 连接器，以简化这种集成。Sink 的延迟要求也可能不同：有些处理实时写入（例如用于实时搜索索引的 Elasticsearch），而另一些则批量处理数据以提高效率（例如将每小时聚合数据写入云存储）。可靠性在这里至关重要——sink 通常包含重试、确认或事务性写入等功能，以防止在故障期间数据丢失。
在实现 sink 时，开发者必须考虑延迟、数据格式兼容性和错误处理等因素。例如，Apache Flink 或 Apache Beam 等流式处理框架允许配置 sink 在写入前将数据序列化为 JSON、Avro 或 Parquet 等格式。如果 sink 是关系型数据库，则模式不匹配或连接限制可能需要缓冲或批量写入。幂等操作（例如，记录去重）对于 sink 在重试期间避免重复至关重要。Flink 中的检查点或 Kafka 的 exactly-once 语义等工具有助于保持一致性。选择合适的 sink 取决于使用场景：实时警报系统可能优先选择低延迟 sink，而数据湖 sink 则可能优先考虑经济高效的存储和可扩展性。