内容简介：Flink 支持有状态的操作和用户方法。例如，窗口操作使用状态维护不断追加的聚合数据，sink 操作使用状态保证一致性提供 exactly-once 语义。Flink 状态主要分为两种：Flink 支持三种状态后端：
Flink 支持有状态的操作和用户方法。例如，窗口操作使用状态维护不断追加的聚合数据，sink 操作使用状态保证一致性提供 exactly-once 语义。
Flink 状态主要分为两种：
- 操作状态
- 键状态
Flink 支持三种状态后端：
- 内存
- 文件系统
- RocksDB
操作状态
操作状态（Operator State），即每个操作状态绑定到一个并发操作实例上。
Flink 提供了以下操作状态：
- Broadcast State：
BroadcastState<K,V>广播状态，存储在广播状态中的元素可以被所有的操作访问。
键状态
Flink 提供了以下键状态：
- Value State：
ValueState<T>分区的单值状态。 - Map State：
MapState<UK,UV>分区的键值状态。 - List State：
ListState<T>分区的列表状态。 - Reducing State：
ReducingState<T>每次调用add(T)添加新元素，会调用 ReduceFunction 进行聚合。传入类型和返回类型相同。 - Aggregating State：
AggregatingState<IN,OUT>每次调用add(T)添加新元素，会调用 ReduceFunction 进行聚合。传入类型和返回类型可以不同。
状态后端
内存
适用场景：调试、无状态或可以容忍数据的丢失和重复。
文件系统
适用场景：普通状态、窗口、键值结构。
RocksDB
适用场景：超大状态、超长窗口、大型键值结构。
可查询的状态
TODO
TTL
TODO
参考
以上就是本文的全部内容，希望本文的内容对大家的学习或者工作能带来一定的帮助，也希望大家多多支持 码农网
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
