开发者学堂课程【开源 Flink 极速上手教程：Fault-tolerance in Flink】学习笔记，与课程紧密联系，让用户快速学习知识。
课程地址：https://developer.aliyun.com/learning/course/331/detail/3710
Fault-tolerance in Flink（三）
四、Flink 的状态管理
1.Flink 状态管理
首先定义一个状态，在例子里边，需要给出其它的信息，一个是它的状态识别 ID 的一个唯一名称，一个是它的状态数据类型。在 case 里就是一个 mypolo 自定义的一个 photo 类型。然后，会向它本地状态后端来去注册的状态，再从本地的状态后端去理解。
2.Flink 本地状态后端-JVM Heap
Flink 本地后端有两种。一种是它任务本地的。它里边的数据，实际上就是搜索对象的代理，它的读写都是以对象的形式去书写的，所以它非常的快。但是，它也有两个问题，第一个就是对象的方式，它实际上比磁盘上序列化压缩之后的数据膨胀了很多倍，通常来说都会达到十倍，所以它占用的空间更大。第二个，如果数据量大了之后，它有可能导致 DC 的问题，很严重。那第二个，是读写的时候不做序列化，但是它在平常操作的时候，需要数据，所以它的义务在发展的过程或以上没问题。另外，额外的开销，在做采矿的时候，它的 CPU 消耗就增加的很厉害。
3. Flink 本地状态后端-RocksDB
第二种类型的状态，后端是 RocksDB。它实际上是在读写的时候，就进行数据的资料录入，所以它读写的速度比LVM需要更多的时间，很多在普通的 APP 里应用。它的优点是 L3结构，天生综合之后生成一些文件，所以它在异步上传的过程当中，只是一个文件的拷贝，CPU 的消耗低，带动快。
五、总结
第一个是有状态的计算。
首先有一个无穷无尽的数据源。然后，本地的一个运算的进程，进程里面有逻辑，然后去处理一笔一笔的数据。接下来是分布式的流程。就是对流进行划分，然后处理。接下来又介绍了什么叫做状态，就算状态只处理一次事件就是状态计算，时间之间有关联，需要记录并去处理比较有状态的。那也介绍了状态有哪几种驱动。窗口统计，还有就是历史数据的记录分析。
第二个全局一致性快照。
因为 Flink 是一个分布式的系统。所以介绍了分布式系统的全局一致性拍照。这是拍照的部分，一个是经常本地的状态。接下来说到什么叫重新知性，质性的定义是如果两个事件先后发生，那如果后面发生这件事情之前被包含在一个通道，前面的时间也可以让你满足这种条件。第二个，Flink 里边很多产品是依赖一种支持 SAS 去运行的，规避掉了对广告消息的一个情景。从而能够大大的降低它这种扩张的存储空间。
第三个是 Flink 的容错机制
这里有一个 berry，它对应的是 mark。然后拍照的过程，有一个长远的考虑，没法来去注入担任复发拍照，然后，拍照的执行过程当中，它是随时传输数据的。每一个节点都只需要其它本地的状态就行了地方比展览。最后解除的条件，这样也是中部的软件去判断的，所有的节点本地的材料都做完了，数据比较完整的拍照。也举一个例子，流程怎么样。到最后还介绍了，如果是更复杂的场景，如果是去掉一个多流。
然后，介绍了 Flink 里边的状态是怎么管理的，除了这种全局的一次性拍照的这种。数据备份恢复之外，都有两种不同的本地存储的选择，一种是直接用的 JVM，它的好处在于它的速度很快，它以对象的形式没有区别化的数据化。但是它的问题是占的空间太大，它能处理的状态数据量比较小。然后一旦太大就会产生严重的问题。所以在生产当中，只能当数据量正常处理小。另外，还有一种状态存储是 RocksDB，它的好处是数量大，然后它的坏处是日常数据传输慢，处理速度不够快。
