文章目录
- 一. 状态使用概览
- 二. 状态的数据类型
- 1. 算子层面
- 2. 接口层面
- 2.1. UML与所有状态类型介绍
- 2.2. 内部状态：InternalKvState
将知识与实际的应用场景、设计背景关联起来，这是学以致用、刨根问底知识的一种直接方式。
本文介绍
- 状态数据管理，了解InternalKvState接口的设计以及KeyedState和OperatorState在实现上的区别；
- 状态数据初始化的流程，了解有状态计算的底层实现原理。
一. 状态使用概览
flink中状态存在的意义是什么，涉及到哪些场景。
- 实时聚合：比如，计算过去一小时内的平均销售额。这时，你会需要使用到Flink的状态来存储过去一小时内的所有销售数据。
- 窗口操作：Flink SQL支持滚动窗口、滑动窗口、会话窗口等。这些窗口操作都需要Flink的状态来存储在窗口期限内的数据。
- 状态的持久化与任务恢复：实时任务挂掉之后，为了快速从上一个点恢复任务，可以使用savepoint和checkpoint。
- 多流join：Flink至少存储一个流中的数据，以便于在新的记录到来时进行匹配。
二. 状态的数据类型
从数据集与接口实现两个层面介绍状态分类，与状态的全部类型
1. 算子层面
分类
根据DataStream数据集是否基于Key进行分组，可将算子中的状态数据分为KeyedState和OperatorState两种类型。
应用位置
- KeyedState用于经过DataStream.keyby()操作后形成的KeyedStream，并按照Key对状态数据进行分区。
- OperatorState和并行的算子实例绑定，与数据元素中的Key无关。每个算子实例中都持有一部分状态数据，并支持在算子并行度发生变化时自动重新分配状态数据。
两者区别
2. 接口层面
状态数据通过统一的状态接口来表示，并根据不同的状态数据类型和使用方式区分接口实现。如下：
- MapState：用于存储分区的Key-Value类型状态数据，此类型状态支持添加、更新和获取操作。
- ValueState：用于单值类型的状态数据，并支持获取和更新状态的方法
- ReadOnlyBroadcastState：提供只读操作的BroadcastState，仅提供get()、contains()等只读方法。
2.1. UML与所有状态类型介绍
- BroadcastState：用于存储BroadcastStream中的状态数据，BroadcastState中的数据会被发送到指定算子的所有实例中，并保证每个实例中的数据都相同。
- AppendingState：支持累积操作的状态数据。写入的数据元素可以存储在类似List的Buffer数据结构中，也可以聚合成单个Value进行存储。
- MergingState：在AppendingState的基础上增加了合并状态的操作。两个MergingState实例可以合并成一个状态。
- AggregatingState：用于支持基于AggregateFunction转换的状态数据，通过状态中的AggregateFunction可以对接入的数据进行聚合计算，产生聚合状态结果。
- ListState：以数组结构类型存储状态数据，用户可通过自定义函数访问和处理状态数据。
- ReducingState：用于支持ReduceFunction操作状态，给状态添加数据元素后，通过ReduceFunction实现聚合。ReducingState只支持在KeyedStream中获取。
以上就是Flink支持的全部状态类型，不管是用户还是Flink系统内部，都基于这些状态接口实现状态数据的操作，以满足有状态计算的需求。
2.2. 内部状态：InternalKvState
InternalKvState接口中定义的方法不对用户开放，在接口上会通过Internal进行标记，专门用于系统内部访问状态数据的辅助操作方法。一方面是为了避免引起混淆，另一方面是因为在各个发行版本中，InternalKvState接口的方法是不稳定的。
在InternalKvState接口中提供了 获取和设定命名空间、获取Raw状态和合并状态的方法，以及获取状态Key和Value等类型序列化器的方法。和状态接口作为所有状态数据的根节点相似，InternalKvState也是所有内部状态的根节点。
不管是基于堆内存还是RocksDB实现的状态存储后端，都同时继承和实现了InternalState接口和具体状态类型的接口。
例如
- 基于堆内存存储的状态类型有HeapAggregatingState、HeapListState及HeapReducingState等；
- 基于RocksDB存储的状态类型有RocksDBAggregatingState、RocksDBListState及RocksDBReducingState等。
参考：《Flink设计与实现：核心原理与源码解析》
