目錄
Flink中的狀態
算子狀態（Operator State）
鍵控狀態（Keyed State）
狀態後端（State Backends）
Flink中的狀態
（1）由一個任務維護，並且用來計算某個結果的所有數據，都屬於這個任務的狀態
（2）可以認爲狀態就是一個本地變量，可以被任務的業務邏輯訪問
（3）Flink會進行狀態管理，包括狀態一致性、故障處理以及高效存儲和訪問，以便開發人員可以專注於應用程序的邏輯
（4）在flink中，狀態始終與特定算子相關聯
（5）爲了是運行時的flink瞭解算子的狀態，算子需要預先註冊其狀態
總結，有兩種類型的狀態
算子狀態（Operator State）
算子狀態的作用範圍限定爲算子任務
鍵控狀態（Keyed State）
根據輸入數據流中定義的鍵（key）來維護和訪問
算子狀態（Operatior State）
（1）算子狀態的作用範圍限定爲算子任務，由同意並行任務所處理的所有數據都可以訪問到相同的狀態
（2）狀態對於同一任務而言是共享的
（3）算子狀態不能由相同或不同算子的另一個任務訪問
算子狀態數據結構
列表狀態（List state）：將狀態表示爲一組數據的列表
聯合列表狀態（Union list state）：將狀態表示爲數據的列表。它與常規列表狀態的區別在於，在發生故障時，或者從保存點（savepoint）啓動應用程序時如何恢復
廣播狀態（Broadcast state）：如果一個算子有多項任務，而他的每項任務狀態又都相同，那麼這種特殊情況最適合應用廣播狀態
鍵控狀態（Keyed State）
（1）鍵控狀態是根據輸入數據流中定義的鍵（key）來維護和訪問的
（2）Flink爲每個key維護一個狀態實例，並將具有相同鍵的所有數據，都分區到同一個算子任務中，這個任務會維護和處理這個key對應的狀態
（3）當任務處理一條數據時，它會自動將狀態的訪問範圍限定爲當前數據的key
鍵控狀態數據結構
值狀態（Value state）：將狀態表示爲單個的值
列表狀態（List state）：將狀態表示爲一組數據的列表
映射狀態（Map state）： 將狀態表示爲一組Key-Value對
聚合狀態（Reducing state&Aggregating State）：將狀態表示爲一個用於聚合操作的列表
鍵控狀態的使用
狀態後端（State Backends）
（1）每傳入一條數據，有狀態的算子任務都會讀取和更新狀態
（2）由於有效的狀態訪問對於處理數據的低延遲至關重要，因此每個並行任務都會在本地維護其狀態，以確保快速的狀態訪問
（3）狀態的存儲、訪問以及維護，由一個可插入的組件決定，這個組件就是狀態後端（state backend）
（4）狀態後端主要負責兩件事：本地的狀態管理，以及將檢查點（checkpoint）狀態寫入遠程存儲
選擇一個狀態後端
MemoryStateBackend
內存級的狀態後端，會將鍵控狀態作爲內存中的對象進行管理，將他們存儲在TaskManager的Jvm堆上，而將checkpoint存儲在JobManager的內存中
特點：快速、低延遲、但不穩定
FsStateBackend
將checkpoint存到遠程的持久化文件系統（FileSystem）上，而對於本地狀態，跟MemoryStateBackend一樣，也會存在TaskManager的JVM堆上
同時擁有內存級的本地訪問速度，和更好的容錯保證
RocksDBStatebackend
將所有狀態序列化後，存入本地的RocksDB中存儲
附思維導圖
