非键控流的Flink检查点状态
我对闪身是个新手。我正在尝试在我的应用程序中启用检查点和状态。我从Flink文档中看到了我们是如何存储键控状态的。但是我想知道我们是否可以存储非键控状态（processfunction的状态）
共有1个答案
需要非键控状态有点不寻常，但是有一些文档和示例。
在用户代码中，这通常只用于实现自定义源和汇，这就是为什么示例将重点放在这些用例上。但在ProcessFunction中，您也可以这样做，即实现CheckPointedFunction接口（即InitializEstate和SnapshotState方法）。
非键控状态的唯一类型是ListState、UnionState和BroadcastState，ListState可能是您要使用的类型。UnionState与ListState非常相似，它只是在重新缩放期间使用不同的策略来重新分配状态（每个并行实例获得整个列表，而不是分配列表的一部分，并且实例负责知道要做什么）。BroadcastState是BroadcastProcessFunction或KeyedBroadcastProcessFunction使用的内容。
-
问题内容： 我试图在Flink中的KeyedStream上执行映射操作： JsonToObjectMapper运算符的输出是 MessageObject 类的POJO，它具有String字段“ keyfield ”。然后，将流键入此字段。 MessageProcessorStateful是一个RichMapFunction，如下所示： 该代码引发NullPointer异常： 尽管我已经验证了’ke
-
是否可以从Flink流作业触发检查点？ 我的用例是：我有两个流R和S要用滚动的时间窗口连接。来源是Kafka。我使用事件时间处理和BoundedOutOfOrdernessGenerator来确保来自两个流的事件最终出现在同一个窗口中。
-
我有一份Flink的工作，我尝试在后端类型RockDB中使用键控流状态函数（MapState）， MyRichMapFunction是一个有状态函数，它扩展了RichMapFunction，RichMapFunction有以下代码， 将来，我想重新缩放并行度（从2到4），所以我的问题是，如何实现可重新缩放的键控状态，以便在更改并行度后，我可以将相应的缓存键控数据获取到其相应的任务槽中。我试图探索这
-
一、状态分类 相对于其他流计算框架，Flink 一个比较重要的特性就是其支持有状态计算。即你可以将中间的计算结果进行保存，并提供给后续的计算使用： 具体而言，Flink 又将状态 (State) 分为 Keyed State 与 Operator State： 2.1 算子状态 算子状态 (Operator State)：顾名思义，状态是和算子进行绑定的，一个算子的状态不能被其他算子所访问到。官方
-
下面是我对Flink的疑问。 我们可以将检查点和保存点存储到RockDB等外部数据结构中吗？还是只是我们可以存储在RockDB等中的状态。 状态后端是否会影响检查点？如果是，以何种方式？ 什么是状态处理器API？它与我们存储的保存点和检查点直接相关吗？状态处理器API提供了普通保存点无法提供的哪些额外好处？ 对于3个问题，请尽可能描述性地回答。我对学习状态处理器API很感兴趣，但我想深入了解它的应
-
我可以在文档中看到： Flink目前只为没有迭代的作业提供处理保证。对迭代作业启用检查点会导致异常。为了在迭代程序上强制检查点，用户需要在启用检查点时设置一个特殊的标志：env.enablecheckpointing（interval,force=true）。 如果是一个而不是一个（这意味着它也可以保存状态），会有什么变化吗？