你好，从我个人的角度出发，我认为 flink-table-store 与 hudi, iceberg 的定位是不同的。 hudi 和 iceberg
更多的是一种 format 格式，通过这个格式来管理 schema 信息和解决行业痛点，其不与特定计算引擎绑定。其中， hudi 解决了超大数据量下的
upsert 问题， iceberg 解决了 oss
存储和上云的问题，但是他们本质上还是一种存储格式（format），这是其优势也是其劣势，优势在于不受引擎约束，专注于format层本身；缺点是无法参与主流引擎的未来规划，不易扩展，且发展受限，不能很快的参与到
olap等领域。 而 flink-table-store 更类似 spark delta， 是一种与 flink 深度绑定，并服务于 flink
存储的实时数仓方案。其能结合 flink 强大的流计算能力， 来更简单的满足实时数仓相关的需求，也能根据 flink
未来版本的规划，参与到社区中，更能够满足客户的需求。
综上，flink-table-store 的定位不只是数据湖存储，而是以数据湖存储为基础的实时数仓方案，其与 flink
深度绑定，形成互补。
Kyle Zhang <sherlock0...@gmail.com> 于2022年9月8日周四 08:37写道：
> Hi all,
> 看table
> store的介绍也是关于数据湖存储以及用于实时流式读取的，那在定位上与iceberg、hudi等项目有什么不一样么，为什么要再开发一个项目？
>
> Best.
>
