sparkstreaming reduceByKeyAndWindow 高效的同时带来的问题

reduceByKeyAndWindow 有一个重载reduceByKeyAndWindow(func,invFunc,windowLength,slideInterval,[numTasks])，可以实现高效计算。它的原理是维护一个中间状态（结果），然后对增量（减量）进行计算。但同时也随之带来两个问题

1、必须维护中间状态，所以使用这个方法时，必须同时使用checkpiont。

2、因为有中间结果的存在，所以当某个key已经完全滑出窗口后，这个key依然还会在中间结果中维护

随着时间的推移，如果key值量非常大的话，维护这个中间结果成本将很高。有没有什么办法既可以实现增量计算，又能及时的将无效的key移除中间结果呢？