Flink State 误用之痛，你中招了吗？

1、 结论

从性能和 TTL 两个维度来描述区别。

性能

• RocksDB 场景，MapState 比 ValueState 中存 Map 性能高很多。
• 生产环境强烈推荐使用 MapState，不推荐 ValueState 中存大对象
• ValueState 中存大对象很容易使 CPU 打满
• Heap State 场景，两者性能类似。

TTL

Flink 中 State 支持设置 TTL：

• MapState 的 TTL 是基于 UK 级别的
• ValueState 的 TTL 是基于整个 key 的

举一反三

能使用 ListState 的场景，不要使用 ValueState 中存 List。大佬们已经把 MapState 和 ListState 性能都做了很多优化，高性能不香吗？下文会详细分析 ValueState 和 MapState 底层的实现原理，通过分析原理得出上述结论。

2、 State 中要存储哪些数据

ValueState 会存储 key、namespace、value，缩写为 。MapState 会存储 key、namespace、userKey、userValue，缩写为 。

解释一下上述这些名词。

Key

ValueState 和 MapState 都是 KeyedState，也就是 keyBy 后才能使用 ValueState 和 MapState。所以 State 中肯定要保存 key。

例如：按照 app 进行 keyBy，总共有两个 app，分别是：app1 和 app2。那么状态存储引擎中肯定要存储 app1 或 app2，用于区分当前的状态数据到底是 app1 的还是 app2 的。

这里的 app1、app2 也就是所说的 key。

Namespace

Namespace 用于区分窗口。

假设需要统计 app1 和 app2 每个小时的 pv 指标，则需要使用小时级别的窗口。状态引擎为了区分 app1 在 7 点和 8 点的 pv 值，就必须新增一个维度用来标识窗口。

Flink 用 Namespace 来标识窗口，这样就可以在状态引擎中区分出 app1 在 7 点和 8 点的状态信息。

Value、UserKey、UserValue

ValueState 中存储具体的状态值。也就是上述例子中对应的 pv 值。MapState 类似于 Map 集合，存储的是一个个 KV 键值对。为了与 keyBy 的 key 进行区分，所以 Flink 中把 MapState 的 key、value 分别叫 UserKey、UserValue。

下面讲述状态引擎是如何存储这些数据的。

3、StateBackend 如何存储和读写State 数据

Flink 支持三种 StateBackend，分别是：Me