技术解读：为什么我们把增量物化视图做进了流引擎

数据团队最常见的浪费，是把同一份聚合反复算了一百遍。NebulaFlow 的选择是：让结果随变更流动，而不是随调度重算。

取舍一：状态大小 vs 计算成本

我们把算子状态压缩到变更集粒度，用有限的历史窗口换取更小的内存占用。代价是跨窗口查询需要回退到基准表，但 90% 的实时看板场景并不需要。

取舍二：一致性 vs 时延

默认提供秒级最终一致，同时保留强一致读的开关。对账类任务可以显式要求一致性快照，而行为分析场景优先保证新鲜度。

取舍三：通用性 vs 可解释性

我们没有做「什么 SQL 都能增量」的通用解，而是收敛到可增量化的算子白名单，遇到不支持的算子会明确告警，而不是静默退化。