Flink中的状态管理

1.状态的概念

流式计算中分为无状态和有状态两种情况：
1.无状态是计算观察每个独立的事件，并根据最后一个事件输出结果。

2.有状态的计算则会基于多个事件输出结果

2.状态的分类

1.算子状态（operator state）

作用的范围限定为算子任务，同一并行的任务所处理的所有数据都可以访问到相同的状态，状态对于同一任务而言是共享的。算子状态提供了三种基本的数据结构：
1.列表状态（List State）
将状态表示为一组数据的列表
2.联合列表状态（Union list state）
也是将状态表示为一个条目列表，与List State的区别是，在发生故障时或从保存点启动应用程序时，状态的回复方式不同
3.广播状态（Broadcast state）
如果一个算子有多项任务，而它的每项任务状态又都相同，那么这种特殊情况最适合应
用广播状态。

2.键控状态（keyed state）

根据输入数据流中定义的键（key）来进行维护或者访问的，flink为每个键都维护了一个实例状态，并将具有有相同键的所有数据，都分区到同一个算子任务中，这个任务会维护和处理这个 key 对应的状态。键控状态提供了以下几种数据类型：
1.ValueState[T]保存单个的值，值的类型为T

（1）get 操作: ValueState.value()
（2）set 操作: ValueState.update(value: T)

2.ListState[T]保存一个列表，列表里的元素的数据类型为T

 ListState.add(value: T)
 ListState.addAll(values: java.util.List[T])
 ListState.get()返回 Iterable[T]
 ListState.update(values: java.util.List[T])

3.MapState[K,V]保存K-V键值对

 MapState.get(key: K)
 MapState.put(key: K, value: V)
 MapState.contains(key: K)
 MapState.remove(key: K)

4.ReducingState[T]

5.AggregateState[I,O]