请阐述 Apache Flink 中批处理与流处理在底层实现机制上的差异，并说明 Flink 是基于什么思想或架构来统一这两类计算模式的？

回答思路

1. 【回答框架 1】底层实现差异：流处理以事件为最小单位，持续处理无界数据流，采用有状态流式执行，数据逐条或按微批处理，延迟低；批处理则以有限数据集为整体，通过优化器进行查询优化，采用批式调度，数据分块读取，吞吐高但延迟较高。
2. 【回答框架 2】统一的核心思想：Flink 将批处理视为流处理的特殊情形，即无界流的有限部分。通过 DataStream API 和 DataSet API 的统一，使用统一的流式执行引擎，批处理作业也以有界流的方式执行，共享相同的运行时、状态管理、容错机制。
3. 【回答框架 3】流处理执行模型：使用管道式数据传输，任务之间通过网络流式传输，支持事件时间处理和精确一次语义，使用检查点机制保证容错。
4. 【回答框架 4】批处理执行模型：使用批量数据传输，任务间通过阶段式执行，利用优化器执行谓词下推、分区修剪等，基于文件系统或对象存储的源，通常使用阻塞式调度。
5. 【回答框架 5】统一后的实现：DataStream API 支持有界流，批作业可以复用流式算子，但执行计划仍可进行批式优化，如调度策略、资源分配等，实现批流一体。
6. 【关键点 1】流处理无界、持续，批处理有界、一次性。
7. 【关键点 2】批处理是流处理的特殊情况，即有限流。
8. 【关键点 3】统一基于流式执行引擎，共享状态和容错。
9. 【关键点 4】批处理可进行批式优化，流处理延迟低。
10. 【易错点 1】不要认为批流完全一样，它们在调度和优化策略上仍有差异。
11. 【易错点 2】不能简单将流处理称为微批，Flink 原生流处理是逐条处理，微批只是其中一种模式。
12. 【易错点 3】批流统一不意味着消除所有差异，而是统一执行引擎和编程模型。