Flink的State类型
基本类型划分：
在Flink中，按照基本类型，对State做了以下两类的划分：
Keyed State，和Key有关的状态类型，它只能被基于KeyedStream之上的操作，方法所使用。我们可以从逻辑上理解这种状态是一个并行度操作实例和一种Key的对应， <parallel-operator-instance, key>。
Operator State（或者non-keyed state），它是和Key无关的一种状态类型。相应地我们从逻辑上去理解这个概念，它相当于一个并行度实例，对应一份状态数据。因为这里没有涉及Key的概念，所以在并行度（扩/缩容）发生变化的时候，这里会有状态数据的重分布的处理。
组织形式划分：
但是在这里还有一种按照组织形式的划分，也可以理解为按照runtime层面的划分，又可以分为一下两类：
Managed State，这类State的内部结构完全由Flink runtime内部来控制，包括如何将它们编码写入到checkpoint中等等。
Raw State，这类State就比较显得灵活一些，它们被保留在操作运行实例内部的数据结构中。从Flink系统角度来观察，在checkpoint时，它只知道的是这些状态数据是以连续字节的形式被写入checkpoint中。等待进行状态恢复时，又从字节数据反序列化为状态对象。
Managed State可以在所有的data stream相关方法中被使用，官方也是推荐优先使用这类State，因为它能被Flink runtime内部做自动重分布而且能被更好地进行内存管理。
为什么需要State？作用是什么？
1 保存中间结果，实现某些功能
2 方便保存到检查点中，便于从检查点恢复
Keyed State 与 Operator State 区别
一个算子的并行度是多少，就有多少个子任务。如果不同的key比较多，该算子的并行度低，那么一个子任务会处理多个key流。
Keyed State 与key相关，Operator State 与key无关。
实现Operator State，需要手动实现CheckpointedFunction或ListCheckpointed 接口
Managed Keyed State包含：
ValueState<T>
ListState<T>
ReducingState<T>
AggregatingState<IN, OUT>
FoldingState<T, ACC>
MapState<UK, UV>
Managed Operator State包含：
ListState
UnionListState
BroadcastState
Managed State 与 Raw State区别
Flink有两种基本类型的状态：托管状态（Managed State）和原生状态（Raw State）。从名称中也能读出两者的区别：Managed State是由Flink管理的，Flink帮忙存储、恢复和优化，Raw State是开发者自己管理的，需要自己序列化。
两者的具体区别有：
- 从状态管理的方式上来说，Managed State由Flink Runtime托管，状态是自动存储、自动恢复的，Flink在存储管理和持久化上做了一些优化。当我们横向伸缩，或者说我们修改Flink应用的并行度时，状态也能自动重新分布到多个并行实例上。Raw State是用户自定义的状态。
- 从状态的数据结构上来说，Managed State支持了一系列常见的数据结构，如ValueState、ListState、MapState等。Raw State只支持字节，任何上层数据结构需要序列化为字节数组。使用时，需要用户自己序列化，以非常底层的字节数组形式存储，Flink并不知道存储的是什么样的数据结构。
- 从具体使用场景来说，绝大多数的算子都可以通过继承Rich函数类或其他提供好的接口类，在里面使用Managed State。Raw State是在已有算子和Managed State不够用时，用户自定义算子时使用。
Keyed State 用法：
Operator State用法：
Flink Operator State 实例 实现ListCheckpointed
Flink Operator State 实例 实现CheckpointedFunction
CheckpointedFunction 可对多种类型的状态进行保存、恢复、初始化；当并行度变化时，支持按照Even-split Redistribution重分布策略（默认）和Union redistribution重分布策略；
ListCheckpointed 只能对List类型的状态进行保存、恢复；当并行度变化时，只支持按照Even-split Redistribution重分布策略。
Even-split redistribution：每个算子返回一个状态数据的list集合。 当从 checkpoint 中恢复状态数据或者进行重新分配的时候，List 类型的状态数据将被均匀切割成和并行示例数量一致的子链表（每个子链表的元素个数一致），每个算子获得一个子链表，子链表可能为空，也可能包含一个或多个数据。例如，当一个并行度为1 算子，拥有一个 ListState，其中包含数据 e1、e2，当算子的并行改成 2 的时候，发生重新分配，ListState 被切分成两个子链，算子的并行实例1 获得包含 e1 的ListState, 并行实例2 获得包含 e2 的ListState。
Union redistribution：每个算子返回一个状态数据的 List 集合，包含所有的状态数据。当发生重新分配或者从 checkpoint 中恢复状态数据的时候，每个算子都将获取到全部的状态数据。
参考：
https://cloud.tencent.com/developer/article/1584935
https://blog.csdn.net/Androidlushangderen/article/details/86485850
https://summerbuger.github.io/2019/01/26/%E6%8A%80%E6%9C%AF/flink/flink%E4%B9%8Bstate/