状态存储结构

状态数据可以维系在本地存储中，这里的存储可以是 Flink 的堆内存或者堆外内存，也可以借助第三方的存储介质，例如：Flink中已经实现的RocksDB，当然用户也可以自己实现相应的缓存系统去存储状态信息。那么它是以什么样的结构被存储的呢？

状态计算其实就是需要考虑历史数据，而历史数据需要搞个地方存储起来。Flink为了方便不同分类的State的存储和管理，提供以下保存State的数据结构。

• MapState<UK,UV>：即状态值为一个map

  

  • 维护了一个映射列表，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contains(UK key)判断特定key是否存在
  • 使用put(UK，UV)或putAll(Map<UK，UV>)添加映射。
  • 使用get(UK)检索特定key。
  • 使用entries()，keys()和values()分别检索映射、键和值的可迭代视图

• ValueState<T>：类型为T的单值状态

  

  • update(T)：保存一个可以更新和检索的值（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）。
  • T value()进行检索。

• ListState<T>：key上的状态值为一个列表

  

  • 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。
  • add(T)或者addAll(List)进行添加元素，
  • Iterable get()获得整个列表。
  • update(List)覆盖当前的列表。

• BroadcastState：具有Broadcast流的特殊属性

  

  • 类似批处理中广播变量：将小表数据广播到TaskManager内存，被Slot中运行Task任务使用
  • 一种小数据状态广播向其它流的形式，从而避免大数据流量的传输；
  • 其它流是对广播状态只有读操作的权限，因为不同任务间没有跨任务的信息交流。
  • 一旦有运行实例对于广播状态数据进行更新了，就会造成状态不一致现象。

实时效果反馈

1. 以下选项中关于Flink状态相关接口的描述错误的是？

A ValueState<T>：类型为T的单值状态。每个值都对应到当前输入数据的key，因此算子接收 到的每个key都可能对应一个值。

B ListState<T>：只能表示key上的状态值为一个列表。

C MapState<UK,UV>：即状态值为一个map，维护了一个映射列表，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。

D Broadcast State：具有Broadcast流的特殊属性，类似批处理中广播变量：将小表数据广播 到TaskManager内存，被Slot中运行Task任务使用。

答案：

1=>B 也可以用于保存 Operator State。