更智能的数据库无济于事

事件流的兴起是由于系统行为随时间变化的重要性，应用程序层面临的挑战是随着时间的流逝不断地提供从流事件中收集的情报，但是事件流体系结构的主要缺点是它们将事件存储在按事件到达时间排序的主题队列中，迫使应用程序只能从队列的开头使用，我们真正想要的是像事件一样传递的情报流，它源于对系统状态模型上所有事件的影响的持续并发解释，相反当今的应用程序开发人员必须使用某种数据库来表示系统状态，但这还不够：响应事件中传递的更改而修改系统状态的表示是一回事，而提供由这些更改产生的连续智能流则是另一回事，数据库可以为您提供帮助，但会带来性能影响。

有大量可用的数据库和云数据库服务

大多数可以存储流数据，许多已经进化了强大的功能，以确认其作为应用程序状态的主人，复杂的数据管理功能正在迁移到数据库引擎中，以应对延迟挑战，领先于功能开发竞赛的是来自主要云提供商的托管数据库服务，但是还有其他数百个，总体而言，趋势是朝着试图减少延迟的大型内存存储，网格和高速缓存发展。

当今所有的数据库引擎都可以以很高的速率接收事件

但这不是问题，没有数据库（内存中或其他数据库）可以理解其含义数据，或提供实时的，情境相关的响应。应用程序解释来自现实世界的事件以更改系统状态的模型，但是单个事件可能导致多个相关实体的状态更改。

对于大规模应用程序，这会迅速导致数据库成为瓶颈

对于分布式应用程序，数据库访问的往返延迟可以迅速支配性能。对于每秒处理数十万个事件的应用程序，减少延迟的方法是在每个受影响实体的内存上下文中执行应用程序逻辑，从而完全避免数据库延迟。

更智能的数据库无法提供持续的智能还有另一个原因

它们不会推动见解的计算或将其“推”给用户，控制循环的反转至关重要：在大多数声称是实时的应用程序中，对数据库的查询会驱动计算，并将结果传递给用户，但是对于今天的连续智能用例而言，这还远远不够，用户希望实时地对系统中的所有实体交付对分析，学习和预测的实时响应，他们希望应用程序始终提供答案，数据库不这样做。