推薦大家去看原文博主的文章，條理清晰閱讀方便，轉載是爲了方便以後個人查閱
https://blog.csdn.net/sghuu/article/details/103696508
1 Flink的狀態指的是
1.1.維護的狀態變量,鍵控狀態
值狀態（Value state）
爲每個鍵存儲一個任意類型的單個值。複雜數據結構也可以存儲爲值狀態。
列表狀態（List state）
爲每個鍵存儲一個值的列表。列表裏的每個數據可以是任意類型。
映射狀態（Map state）
爲每個鍵存儲一個鍵值映射（map）。map的key和value可以是任意類型。
1.2.算子的狀態保存，即checkPoint
Apache Flink將應用程序狀態，存儲在內存或者嵌入式數據庫中。由於Flink是一個分佈式系統，因此需要保護本地狀態以防止在應用程序或計算機故障時數據丟失。 Flink通過定期將應用程序狀態的一致性檢查點（check point）寫入遠程且持久的存儲，來保證這一點
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）
也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。我們將在後面繼續討論。
廣播狀態（Broadcast state）
如果一個算子有多項任務，而它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。在保存檢查點和重新調整算子並行度時，會用到這個特性。
狀態後端（State Backends）
每傳入一條數據，有狀態的算子任務都會讀取和更新狀態。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。
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。
Flink提供了默認的狀態後端，會將鍵控狀態作爲內存中的對象進行管理，將它們存儲在JVM堆上。另一種狀態後端則會把狀態對象進行序列化，並將它們放入RocksDB中，然後寫入本地硬盤。第一種方式可以提供非常快速的狀態訪問，但它受內存大小的限制；而訪問RocksDB狀態後端存儲的狀態速度會較慢，但其狀態可以增長到非常大。
狀態檢查點的寫入也非常重要，這是因爲Flink是一個分佈式系統，而狀態只能在本地維護。 TaskManager進程（所有任務在其上運行）可能在任何時間點掛掉。因此，它的本地存儲只能被認爲是不穩定的。狀態後端負責將任務的狀態檢查點寫入遠程的持久存儲。寫入檢查點的遠程存儲可以是分佈式文件系統，也可以是數據庫。不同的狀態後端在狀態檢查點的寫入機制方面有所不同。例如，RocksDB狀態後端支持增量的檢查點，這對於非常大的狀態來說，可以顯著減少狀態檢查點寫入的開銷。
2 有狀態的計算
有狀態計算是指在程序計算過程中，在Flink程序內部存儲計算產生的中間結果，並提供給後續Function或算子計算結果使用。狀態數據可以維繫在本地存儲中，這裏的存儲可以是Flink的堆內存或者堆外內存，也可以藉助第三方的存儲介質，例如Flink中已經實現的RocksDB，當然用戶也可以自己實現相應的緩存系統去存儲狀態信息，以完成更加複雜的計算邏輯。
和狀態計算不同的是，無狀態計算不會存儲計算過程中產生的結果，也不會將結果用於下一步計算過程中，程序只會在當前的計算流程中實行計算，計算完成就輸出結果，然後下一條數據接入，然後再處理。