flink实战--大状态任务调优指南-DataStream作业

Flink 状态（State）简介

            在 Flink 中，状态管理是流处理应用的核心概念之一，它允许算子（operators）在处理事件时保持和操作状态信息。在 Flink 中，状态可以被视为算子的“记忆”，它使得算子能够在处理无界流数据时保持对历史数据的跟踪。状态可以是简单的键值对，也可以是更复杂的数据结构，如列表、集合或自定义对象。状态的更新和查询对于实现复杂的流处理逻辑至关重要。

具体说来，首先，Checkpoint 是 Flink 的一种容错机制。它通过周期性地自动保存作业状态到一个持久化存储系统中，来确保在发生故障时可以从最后一个成功的 Checkpoint 恢复作业状态，从而保证数据处理的一致性和准确性。Checkpoint 的触发是自动的，并且对用户是透明的，不需要用户进行额外的编程工作。当 Flink 作业正在运行时，Checkpoint 机制会定期激活，触发作业的状态（如中间结果、配置信息等）被保存到预先定义的存储位置。这些状态信息被保存后，如果发生故障，Flink 可以使用这些保存的状态信息来重建作业的状态，从而恢复作业的正常运行。

而Savepoint 与 Checkpoint 类似，也是 Flink 用于保存作业状态的机制。不同之处在于，Savepoint 是显式的，需要用户手动触