什麼是狀態（State）

  有些任務的結果不僅僅依賴於當前的輸入，也依賴於之前的輸入結果資訊，因此對中間結果狀態等的儲存就很有必要。
  在Flink中，我們可以這樣理解State：某task/operator在某時刻的一箇中間結果。

狀態型別

  Flink提供了豐富的狀態訪問介面和高效的容錯機制，當前Flink中有兩個基本的state：Keyed state和 Operator state。

1. Keyed state是基於KeyedStream上的狀態，這個狀態與特定的key繫結。對於KeyedStream流上每一個key都對應一個state(一個Task可能包含多個Key，不同的Task上不會出現相同的Key)。
當前Flink提供的Keyed state資料結構是: ValueState<T>、ListState<T>、ReduceState<T>、MapState<T>。
2. Operator state跟一個特定的Operator的一個併發例項繫結，一個task對應一個state。
當前Flink提供的Operator state資料結構是: ListState<T>
  舉例來說，Flink中的Kafka Connector，就使用了operator state。它會在每個connector例項中，儲存該例項中消費topic的所有(partition, offset)對映。

Keyed state

Operator state

原始狀態和Flink託管狀態 (Raw and Managed State)

  Keyed State和Operator State，可以以兩種形式存在：原始狀態和託管狀態。
  託管狀態是由Flink框架管理的狀態，如ValueState, ListState, MapState等。

Checkpoint

  Checkpoint是Flink管理狀態容錯的手段，檢查點允許Flink恢復流中的狀態及位置，從而是應用程式正確無誤的執行。預設情況下，禁用檢查點，狀態儲存在TaskManager的記憶體中，檢查點儲存在JobManager記憶體中。
  Checkpoint是Flink中輕量級的分散式非同步快照的機制。Flink流式計算模型中包含Source Operator、Transformation Operators、Sink Operator等三種不同型別的節點，分別負責資料的輸入、處理、和輸出，對應計算拓撲的起點、中間節點和終點。Flink分散式快照的核心是Barrier，這些Barrier週期性的被注入到資料流並作為資料流的一部分流入到到所有的Source中，Source節點看到Barrier後，會立即記錄自己的狀態，然後將Barrier傳送到Transformation Operator；當Transformation Operator從某個input channel收到Barrier後，它會立刻Block住這條通道，直到所有的input channel都收到Barrier，此時該Operator就會記錄自身狀態，並向自己的所有output channel廣播Barrier。Sink接受Barrier的操作流程與Transformation Oper一樣。當所有的Barrier都到達Sink之後，並且所有的Sink也完成了Checkpoint，這一輪Snapshot就完成了。
  Block Input實際上是有負面效果的，一旦某個input channel發生延遲，Barrier遲遲未到，這會導致Transformation Operator上的其它通道全部堵塞，系統吞吐大幅下降。但是這麼做的一個最大的好處就是能夠實現Exactly Once。不過Flink還是提供了選項，可以關閉Exactly once並僅保留at least once，以提供最大限度的吞吐能力。