Flink的DataStream状态管理
目录
键控数据流（Keyed DataStream）
键控状态（Keyed State）
值状态（ValueState）
列表状态（ListState）
归约状态（ReducingState）
聚合状态（AggregatingState）
映射状态（MapState）
状态生存时间(TTL)
算子状态（Operator State）
广播状态（Broadcast State）
实现CheckpointedFunction 使用算子状态
对于DataStream来说，状态主要分为如下两类：
（1）键控状态（keyed state）
（2）算子状态（Operator State）
说键控状态之前，不得不提键控数据流。
键控数据流（Keyed DataStream）
如果希望使用键控状态（keyed state），首先需要在数据流上指定一个键，该键用于对状态（以及流本身中的记录）进行分区。您可以在数据流上使用Java/Scala API中的keyBy(KeySelector)或Python API中的key_by(KeySelector)来指定键。使用该方法后将产生一个键控流KeyedStream，它允许使用键控状态的算子。
键选择器函数（key selector function）接受一条记录作为输入，并返回该记录的键。键可以是任何类型，并且必须从确定性计算中得到。
Flink的数据模型不是基于键值对的。因此，不需要将数据集类型物理地打包到键和值中。键是“虚拟的”：它们被定义为实际数据上的函数，以指导分组算子。