Flink - [06] 状态管理

题记部分

一、Flink中的状态

由一个任务维护，并且用来计算某个结果的所有数据，都属于这个任务的状态。

可以认为状态就是一个本地变量，可以被任务的业务逻辑访问。

Flink会进行状态管理，包括状态一致性、故障处理以及高效存储和访问，以便开发人员可以专注于应用程序的逻辑

在Flink中，状态始终与特定算子相关联，为了使运行时的Flink了解算子的状态，算子需要预先注册其状态。

总的来说，有两种类型的状态：

（1）算子状态（Operator State）：算子状态的作用范围限定为算子任务

（2）监控状态（Keyed State）：根据输入数据流中定义的键（key）来维护和访问

二、算子状态

（1）算子状态的作用范围限定为算子任务，由同一并行任务所处理的所有数据都可以访问到相同的状态

（2）状态对于同一任务而言是共享的

（3）算子状态不能由相同或不同算子的另一个任务访问

2.1、算子状态数据结构

（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）：也将状态表示为数据的列表。它与常规列表状态的区别在于，在发生故障时，或者从保存点（savepoint）启动应用程序时如何恢复

（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。

三、键控状态

（1）键控状态是根据输入数据流中定义的键（key）来维护和访问的。

（2）Flink为每个key维护一个状态实例，并将具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。

（3）当任务处理一条数据时，它会自动将状态的访问范围限定为当前数据的key

3.1、键控状态数据结构

（1）值状态（Value state）：将状态表示为单个的值

（2）列表状态（List state）：将状态表示为一组数据的列表

（3）映射状态（Map state）：将状态表示为一组Key-Value对

（4）聚合状态（Reducing state & Aggregating State）：将状态表示为一个用于聚合操作的列表

3.2、键控状态的使用

（1）声明一个键控状态

lazy val lastTemp: ValueState[Double] = getRuntimeContext.getState[Double](
    new ValueStateDescriptor[Double]("lastTemp", classOf[Double])
)

（2）读取状态

val prevTemp = lastTemp.value()

（3）对状态赋值

lastTemp.update(value.temperature)

四、状态后端（State Backends）

  每传入一条数据，有状态的算子任务都会读取和更新状态。由于有效的状态访问对于处理数据的低延迟至关重要，因此每个并行任务都会在本地维护其状态，以确保快速的状态访问。状态的存储、访问以及维护，由一个可插入的组件决定，这个组件就叫做状态后端（state backend）

  状态后端主要负责两件事：本地的状态管理，以及将检查点（checkpoint）状态写入远程存储

4.1、状态后端的类型

（1）MemoryStateBackend

  内存级的状态后端，会将键控状态作为内存中对象进行管理，将它们存储在TaskManager的JVM堆上，而将checkpoint存储在JobManager的内存中。特点：快速、低延迟，但不稳定

（2）FsStateBackend

  将checkpoint存储到远程的持久化文件系统（FileSystem）上，而对于本地状态，跟MemoryStateBackend一样，也会存在TaskManager的JVM堆上。特点：同时拥有内存级的本地访问四度，和更好的容错保证。

（3）RocksDBStateBackend

  将所有状态序列化后，存入本地的RocksDB中存储

— 业精于勤荒于嬉，行成于思毁于随 —