云计算、移动互联网和社交网络等新兴信息技术和应用模式的迅速普及,致使全世界数据量剧增,推进人类社会进入海量数据时代。如何从这些海量数据中提取出有价值的信息,为大数据的计算带来前所未有的挑战和机遇。同时,数据的价值通常随着时间的流逝而降低,所以事件出现后必须尽快地对它们进行处理,而不是缓存起来成一批处理。例如比如股票交易的数据等,数据实时性强,数据量大,没有止境,传统的批量计算模式已不再适用。为了应对海量数据实时计算的要求,流式计算模式被提出。所谓流式计算是指将数据看作数据流的形式来处理。在流数据不断变化的过程中实时地进行分析,捕捉到可能对有价值的信息,并把结果发送出去。本文以流式计算在实践中的应用、优化为核心,首先系统地梳理和分析了当前流式计算系统的研究和发展现状。然后结合流式大数据所呈现出的实时性、突发性等特征,分析了现有流式计算系统在应对数据突发性等方面的局限性。即由于现有的流式计算模型采用拓扑结构加静态指定路由的策略,当流式数据的产生量突增时,通常无法动态的进行节点扩展,会造成消息积压和处理延迟,从而丢失流式处理模型实时性的本质。在此基础之上,本文构建了一种具备高动态伸缩性和计算可靠性的流式计算模型,这种模型放弃了在启动时固定节点个数以及节点之间路由关系的静态路由策略,转而采用路由信息分组和按组编号获取路由信息的动态路由策略。对于该策略,可以通过提供的接口自由的对分组路由信息进行增加和修改,极大的提高了系统的热伸缩性,从而实现了应对流式数据的突发的特性。另外,通过对消息的执行路径进行跟踪,本文设计的模型实现了消息级别的可靠性,当消息因为节点发生故障丢失时,会触发消息源的重传机制,从而避免消息的丢失。同时通过采用类似XOR方式的跟踪策略,跟踪每个消息的内存消耗被限制为固定的大小,进而极大的节省了跟踪花销。最后结合实际应用——废弃话单处理系统,给出了这种模型的实现和应用。本文开发的废弃话单处理系统有效的实现了对移动废弃话单的异常监控、定位与及时告知,进而有效的减少了移动的计费损失,并且通过实际应用数据验证了本文提出的动态路由策略在应对数据突发、保持低处理延迟等方面的有效性。