随着万物互联时代的到来,越来越多的数据产生了,使得数据在规模和维度上都急剧的增加,比如——位置、喜爱偏好、运动轨迹等,因此对大数据的计算需求也越来越高。许多“大数据”应用程序必须实时处理数据,然而由于设备的不同,所得到的数据难免会比较单一,这样单一的数据流就很难得到用户的全部信息,如果想要得到用户的全部信息就需要将所有的数据流整合在一起。而连接(Join)操作是连接不同数据流的一个有效的手段,在多路数据流的操作中占有很重要的位置。一旦其中的某条数据丢失后,就会对数据流的连接操作,造成较大的影响,也无法为用户提供精准的服务。数据流的激增需要更大规模的集群来运行这些应用程序,这些程序可以运行在现有的一些计算平台上,比如Storm,Spark,Flink等。这些大数据平台可以处理故障和数据丢失等情况。而本论文提出了一种新的数据流容错机制,可以更进一步的提高数据流的恢复效率。本论文提出了一种新的基于纠删码的数据恢复算法,用于窗口中的数据丢失时恢复数据,同时在数据流的连接操作中,也运用到基于纠删码的数据流容错算法。本文首先介绍了大数据产生的背景,以及数据流连接的相关技术,其次,介绍了关于不同的计算模型,以及该模型在容错方面的优缺点。最后,我们研究了如何将基于纠删码的数据恢复算法应用于分布式流处理程序中,在数据流到达计算集群时,对数据进行窗口化处理的同时,在每个窗口中运用纠删码算法对数据进行编码,如果数据丢失后,运用纠删码算法对编码后的数据解码,恢复出原始数据。本论文主要的创新点是:不同以往传统的数据容错方法,大多采用的都是将数据存储在数据库中(如:HDFS),来实现对数据的容错处理。而本论文在数据流到达应用程序后,直接对数据进行编码处理从而实现对数据的容错处理。