Flink的DataStream状态管理

目次
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 利用算子状态

---

         对于DataStream来说，状态重要分为如下两类：
（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）

         如果盼望利用键控状态（keyed state），起首须要在数据流上指定一个键，该键用于对状态（以及流本身中的记载）举行分区。您可以在数据流上利用Java/Scala API中的keyBy(KeySelector)或Python API中的key_by(KeySelector)来指定键。利用该方法后将产生一个键控流KeyedStream，它答应利用键控状态的算子。
         键选择器函数（key selector function）担当一条记载作为输入，并返回该记载的键。键可以是任何范例，而且必须从确定性盘算中得到。
         Flink的数据模子不是基于键值对的。因此，不须要将数据集范例物理地打包到键和值中。键是“假造的”：它们被界说为实际数据上的函数，以引导分组算子。
<hr>
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！qidao123.com:ToB企服之家，中国第一个企服评测及软件市场,开放入驻,技术点评得现金