目录
Flink中的状态
算子状态（Operator State）
键控状态（Keyed State）
状态后端（State Backends）
Flink中的状态
（1）由一个任务维护，并且用来计算某个结果的所有数据，都属于这个任务的状态
（2）可以认为状态就是一个本地变量，可以被任务的业务逻辑访问
（3）Flink会进行状态管理，包括状态一致性、故障处理以及高效存储和访问，以便开发人员可以专注于应用程序的逻辑
（4）在flink中，状态始终与特定算子相关联
（5）为了是运行时的flink了解算子的状态，算子需要预先注册其状态
总结，有两种类型的状态
算子状态（Operator State）
算子状态的作用范围限定为算子任务
键控状态（Keyed State）
根据输入数据流中定义的键（key）来维护和访问
算子状态（Operatior State）
（1）算子状态的作用范围限定为算子任务，由同意并行任务所处理的所有数据都可以访问到相同的状态
（2）状态对于同一任务而言是共享的
（3）算子状态不能由相同或不同算子的另一个任务访问
算子状态数据结构
列表状态（List state）：将状态表示为一组数据的列表
联合列表状态（Union list state）：将状态表示为数据的列表。它与常规列表状态的区别在于，在发生故障时，或者从保存点（savepoint）启动应用程序时如何恢复
广播状态（Broadcast state）：如果一个算子有多项任务，而他的每项任务状态又都相同，那么这种特殊情况最适合应用广播状态
键控状态（Keyed State）
（1）键控状态是根据输入数据流中定义的键（key）来维护和访问的
（2）Flink为每个key维护一个状态实例，并将具有相同键的所有数据，都分区到同一个算子任务中，这个任务会维护和处理这个key对应的状态
（3）当任务处理一条数据时，它会自动将状态的访问范围限定为当前数据的key
键控状态数据结构
值状态（Value state）：将状态表示为单个的值
列表状态（List state）：将状态表示为一组数据的列表
映射状态（Map state）： 将状态表示为一组Key-Value对
聚合状态（Reducing state&Aggregating State）：将状态表示为一个用于聚合操作的列表
键控状态的使用
状态后端（State Backends）
（1）每传入一条数据，有状态的算子任务都会读取和更新状态
（2）由于有效的状态访问对于处理数据的低延迟至关重要，因此每个并行任务都会在本地维护其状态，以确保快速的状态访问
（3）状态的存储、访问以及维护，由一个可插入的组件决定，这个组件就是状态后端（state backend）
（4）状态后端主要负责两件事：本地的状态管理，以及将检查点（checkpoint）状态写入远程存储
选择一个状态后端
MemoryStateBackend
内存级的状态后端，会将键控状态作为内存中的对象进行管理，将他们存储在TaskManager的Jvm堆上，而将checkpoint存储在JobManager的内存中
特点：快速、低延迟、但不稳定
FsStateBackend
将checkpoint存到远程的持久化文件系统（FileSystem）上，而对于本地状态，跟MemoryStateBackend一样，也会存在TaskManager的JVM堆上
同时拥有内存级的本地访问速度，和更好的容错保证
RocksDBStatebackend
将所有状态序列化后，存入本地的RocksDB中存储
附思维导图
