七、Flink入门--状态管理

1.状态概述

1.1什么是状态?

无状态计算指的是数据进入Flink后经过算子时只需要对当前数据进行处理就能得到想要的结果，有状态计算就是需要和历史的一些状态或进行相关操作，才能计算出正确的结果
状态的使用场景：

• 去重，需要记录哪些数据出现过，哪些没出现过
• 窗口计算，比如计算一个小时的counter
• 机器学习，训练模型
• 访问历史数据，需要与昨天的数据进行对比，历史数据放在状态里

1.2为什么要管理状态?

流式作业的特点是7*24小时运行，数据不重复消费，不丢失，保证只计算一次，数据实时产出不延迟，但是当状态很大，内存容量限制，或者实例运行奔溃，或需要扩展并发度等情况下，如何保证状态正确的管理，在任务重新执行的时候能正确执行，状态管理就显得尤为重要。

1.3理想的状态管理

理想的状态管理是：

• 易用，flink提供了丰富的数据结构，简洁易用的接口
• 高效，flink对状态的处理读写快，可以横向扩展，保存状态不影响计算性能
• 可靠，flink对状态可以做持久化，而且可以保证exactly-once语义

2.状态类型与使用示例

Flink中有两种基本的State: Keyed State 和 Managed State

2.1 Keyed State & Operator State

	keyed state	operator state
适用场景	只能应用在KeyedSteam上	可以用于所有的算子
state处理方式	每个key 对应一个 state，一个operator处理多个key ,会访问相应的多个state	一个operator对应一个state
并发改变	并发改变时，state随着key在实例间迁移	并发改变时需要你选择分