209.Flink（四）：状态，按键分区，算子状态，状态后端。容错机制，检查点，保存点。状态一致性。flink与kafka整合

一、状态

1.概述

算子任务可以分为有状态、无状态两种。

• 无状态：filter,map这种，每次都是独立事件
• 有状态：sum这种，每次处理数据需要额外一个状态值来辅助。这个额外的值就叫“状态”

2.状态的分类

（1）托管状态（Managed State）和原始状态（Raw State）

托管状态就是由Flink统一管理的，状态的存储访问、故障恢复和重组等一系列问题都由Flink实现，我们只要调接口就可以。

原始状态则是自定义的，相当于就是开辟了一块内存，需要我们自己管理，实现状态的序列化和故障恢复。

（2）算子状态（Operator State）和按键分区状态（Keyed State）

按键分区状态其实就是被keyBy的算子。

使用Keyed State必须基于KeyedStream。没有进行keyBy分区的DataStream，即使转换算子实现了对应的富函数类，也不能通过运行时上下文访问Keyed State。富函数可以获取运行时上下文。

所有算子都是在本地实例上维护的，并行子任务的状态不共享。

3.按键分区状态

（1）值状态（ValueState）

状态中只保存一个“值”（value）