状态分类

在Flink中，按照基本类型划分State分类：==Keyed State 和 Operator State==。

• 每个Operator算子都可以有状态OperatorState(算子状态)
• keyBy分组后的KeyedStream在sum求和过程中使用KeyedState（键控状态）

OperatorState(算子状态)

1. 又称为 non-keyed state，每一个OperatorState都仅与一个 operator 的实例（1个SubTask任务）绑定。
2. 可以用在所有算子上，每个算子子任务或者说每个算子实例共享一个状态，流入这个算子子任务的数据可以对当前状态进行访问与更新。
3. 常见的OperatorState是数据源source state，例如记录当前 source 读取kafka的 offset。
4. 存储数据结构：ListState或BroadcastState等。

Keyed State：键控状态

1. 基于KeyedStream上的状态，是跟特定的key绑定的，对KeyedStream流上的每一个key，都对应一个state。
2. 只能应用于 KeyedStream 的函数与操作中；
3. 存储数据结构：ValueState、ListState、MapState、ReducingState和AggregatingState等

两种类型状态KeyedState与OperatorState区别如下：

实时效果反馈

1. 以下选项中关于Flink状态KeyedState的描述错误的是？

A 只能在KeyedStream类型的算子中使用。

B 多个key对应一个State。

C 通过RuntimeContext对象访问。

D 存储的数据结构类：ValueState、ListState MapState、ReducingState、AggregatingState。

答案：

1=>B 每个key分别对应一个State。