Flink 有两种常见的 State类型:

1. Keyed State （键控状态）
2. Operator State（算子状态）

Keyed State（键控状态）

Keyed State：顾名思义就是基于 KeyedStream 上的状态，这个状态是跟特定的Key绑定的。KeyedStrean 流上的每一个Key，都对应一个 State。Flink针对Keyed State提供了以下可以保存 State 的数据结构：

• ValueState ：保存一个可以更新和检索的值（如上所述，每个值都对应到当前的输入数据的 Key，因此算子接收到的每个Key都可能对应一个值）。这个值可以通过 update(T)进行更新，通过 T value() 进行检索。

• ListState ：保存一个元素的列表。可以往这个列表中追加数据，并在当前的列表上进行检索。可以通过 add(T) 或者 addAll(List ) 进行添加元素，通过 Iterable get() 获取整个列表。还可以通过 update(List ) 覆盖当前的列表。

• ReducingState ：保存一个单值，表示添加到状态的所有聚合。接口与ListState 类似，使用 add(T)增加元素，会使用提供的 ReduceFunction 进行聚合

• AggregatingState<IN.OUT>：保留一个单值，表示添加到状态的所以值得聚合。和ReducingState 相反得是，聚合类型可能与添加到状态得元素得类型不同。接口与 ListState 类似，但使用 add(IN) 添加的元素会用指定的 AggregateFunction 进行聚合。

• FoldingState<T,ACC>：保留一个单值，表示添加到状态的所有值的聚合。与 ReducingState 相反，聚合类型可能与添加到状态的元素类型不同。接口与ListState类型，但使用 add(T) 添加的元素会用指定的FoldFunction 折叠成聚合值。

• MapState<UK,UV>：维护了一个添加映射列表。你可以添加键值对到状态中，也可以获得反映当前所有映射的迭代器。使用 put(UK,UV) 或者 putAll(Map<UK,UV>) 分别检索映射、键和值的可迭代视图。

Operator State（算子状态）

Operator State 与 Key 无关，而是与 Operator 绑定，整个 Operator 只对应一个 State。比如：Flink 中的 Kafka Connector 就使用了 Operator State，它会在每个 Connector 实例中，保存该实例消费 Topic 的所有（partition，offset）映射。

https://www.cnblogs.com/alen-apple/p/13048183.html

1. ValueState：单值状态
2. ListState：状态值为List
3. ReducingState：通过reduce function 合并的单一值状态
4. AggregatingState：通过聚合函数合并的聚合结果状态
5. MapState：状态值为Map