CC00043.flink——|Hadoop&Flink.V10|——|Flink.v10|Flink State|状态原理|原理剖析|状态存储|

一、state 文件格式

### --- state文件格式

~~~     当我们创建 state 时，数据是如何保存的呢？
~~~     对于不同的 statebackend，有不同的存储格式。
~~~     但是都是使用 flink 序列化器，将键值转化为字节数组保存起来。
~~~     这里使用 RocksDBStateBackend 示例。
~~~     每个 taskmanager 会创建多个 RocksDB 目录，每个目录保存一个 RocksDB 数据库；
~~~     每个数据库包含多个 column famiilies，这些 column families 由 state descriptors 定义。
~~~     每个 column family 包含多个 key-value 对，key 是 Operator 的 key， value 是对应的状态数据。

二、state文件格式编程实现

### --- state文件格式编程实现

~~~     # TestFlink.java
public static void main(String[] args) throws Exception {
    StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
    env.setStreamTimeCharacteristic(TimeCharacteristic.ProcessingTime);
    ParameterTool configuration = ParameterTool.fromArgs(args);
    FlinkKafkaConsumer010<String> kafkaConsumer010 = new
    FlinkKafkaConsumer010<String>("test", new SimpleStringSchema(), getKafkaConsumerProperties("testing123"));
    DataStream<String> srcStream = env.addSource(kafkaConsumer010);
    Random random = new Random();
    DataStream<String> outStream = srcStream
        .map(row -> new KeyValue("testing" + random.nextInt(100000), row))
        .keyBy(row -> row.getKey())
        .process(new StatefulProcess()).name("stateful_process").uid("stateful_process")
        .keyBy(row -> row.getKey())
    outStream.print();
    env.execute("Test Job");
}

public static Properties getKafkaConsumerProperties(String groupId){
    Properties props = new Properties();
    props.setProperty("bootstrap.servers", "localhost:9092"