靜態數據
很多企業爲了支持決策分析而構建的數據倉庫系統，其中存放的大量歷史數據就是靜態數據。技術人員可以利用數據挖掘和OLAP（On-Line Analytical Processing）分析工具從靜態數據中找到對企業有價值的信息。
流數據
近年來，在Web應用、網絡監控、傳感監測等領域，興起了一種新的數據密集型應用——流數據，即數據以大量、快速、時變的流形式持續到達。實例：PM2.5檢測、電子商務網站用戶點擊流。
流數據具有如下特徵：
- 數據快速持續到達，潛在大小也許是無窮無盡的；
- 數據來源衆多，格式複雜；
- 數據量大，但是不十分關注存儲，一旦經過處理，要麼被丟棄，要麼被歸檔存儲；
- 注重數據的整體價值，不過分關注個別數據；
- 數據順序顛倒，或者不完整，系統無法控制將要處理的新到達的數據元素的順序；
批處理與流處理
對靜態數據和流數據的處理，對應着兩種截然不同的計算模式：批量計算和實時計算。
1、批量計算：充裕時間處理靜態數據，如Hadoop；
2、流數據不適合採用批量計算，因爲流數據不適合用傳統的關係模型建模；
3、流數據必須採用實時計算，響應時間爲秒級；
4、數據量少時，不是問題，但是，在大數據時代，數據格式複雜、來源衆多、數據量巨大，對實時計算提出了很大的挑戰。因此，針對流數據的實時計算——流計算，應運而生。