Flink——状态编程

流式计算分为 无状态 和 有状态 两种情况。

　　无状态流处理：接收数据，根据最新输入数据生成输出数据

　　有状态流处理：维护状态（根据每条输入记录进行更新），并基于最新输入的记录和当前的状态值生成输出记录

 

有状态的算子和应用程序：状态始终与特定算子关联，有两种类型状态

　　算子状态（operator state）：　　

　　　　作用范围限定为 算子任务。状态对同一任务而言是共享的，同一并行任务处理的所有数据都可以访问到相同的状态。算子状态不能由相同或不同算子的另一个任务访问。有三种基本数据结构：

　　　　列表状态（List state）：将状态表示为一组数据的列表

　　　　联合列表状态（Union list state）：与常规列表状态类似，发生故障时或保存点启动应用程序恢复方法不同

　　　　广播状态（Broadcast state）：适用一个算子有多个任务且任务状态相同。

　　键控状态（keyed state）：

　　　　根据输入数据流中定义的键（key）来维护和访问。每个键值维护一个状态实例，并将相同键的所有数据分到同一个算子任务中，类似于一个分布式的 key-value-map 数据结构，相同的key的所有数据都会访问相同的状态，只能用于 KeyedStream。支持以下数据类型：

　　　　ValueState<T>：保存单个值

　　　　　　get操作：ValueState.value()

　　　　　　set操作：ValueState.update(T value)

　　　　ListState<T>：保存列表

　　　　　　ListState.add(T value)

　　　　　　ListState.addAll(List<T> values)

　　　　　　ListState.get()

　　　　　　ListState.update(List<T> values)

　　　　MapState<K, V>：保存 key-value 对。

　　　　　　MapState.get(UK key)

　　　　　　MapState.put(UK key, UV value)

　　　　　　MapState.contains(UK key)

　　　　　　MapState,remove(UK key)

　　　　ReducingState<T>

　　　　AggregatingState<I, O>

　　　　可以使用 clear 清空状态。