状态(State)
- 我们前面写的word count的例子,没有包含状态管理,如果一个task在处理过程中挂掉了,那么它在内存中的状态都会丢失,所有的数据都需要重新计算,从容错和消息处理的语义上,flink引入了state和checkpoint.
- 首先取分两个概念
1)state一般指一个具体的task/operator的状态【state数据默认保存在java的堆内存中】
2)而checkpoint【可以理解为checkpoint是把state数据持久化存储了】,则表示了一个flink job 在特定的时刻的一份全局状态快照,即包含了所有task/operator的状态,task是Flink中执行的基本单位,operator指算子(transfomation)
- State可以被记录,在失败的情况下数据还可以恢复
- Flink中有两种基本类型的State: keyed State Operator State
- State 两种形式存在:原始状态(raw state) 托管状态(managed state)
- 托管状态是由flink 框架管理的状态
- 而原始状态,由用户自行管理状态具体的数据结构,框架在做checkpoint的时候,使用byte[]来读写状态内容,对其内部结构一无所知
- 通常在DataStream上的状态推荐使用托管状态,当实现一个用户自定义的operator时,会使用到原始状态
State-Keyed State
- 顾名思义,就是基于KeyedStream上的状态。这个状态是跟特定得Key绑定的,对KeySream流上的每一个key,都对应一个state
- 保存state的数据结构
1)ValueState<T> 即类型为T的单值状态,这个状态与对应的key绑定,是最简单的状态了,它可以通过update更新状态值,可以通过value()方法获取状态值
2)ListState<T>:即key上的状态值为一个列表,可以通过add方法往列表中添加值,通过get()方法遍历值
3)ReducingState<T>:这种状态 通过用户传入的reducefunction,每次调用add方法添加值得时候,会调用reducefunction,最后合并到一个单一的状态值
4)MapState<UK,UV> 即状态值为一个Map,用户通过Put或putAll方法添加元素
- 需要注意的是,以上所述的state对象,仅仅用于与状态进行交互(更新、删除、清空等),而真正的状态值,有可能存在内存,磁盘或者其他分布式存储系统中,相当于我们只是持有了这个状态的句柄