今天我们给大家介绍一下flink中的state，什么是state呢？大家可以理解为我们在处理数据的时候，每一个数据我们都会相应的为其准备一个空间存储他的变化过程
1 状态的简介
在flink中，我们是把所有的数据都可以看做是有状态的，比如我们在一个数据流中，我们要对一个数据流进行单词计数统计，但是在这个过程中，如果程序突然中断或者一些其他原因导致了我们的程序出现了fail，那这个时候我们就看可以用状态来解决这种问题！使用状态配合Checkpoint来解决就可以完美的规避掉这种生产事故的产生了！
2 State的分类
State分为两类分别是：Keyed State和Operator State。在这之上，我们的状态又分为托管状态和原始状态，在我们实际工作中，大多数都是采用的托管状态，
2.1 Keyed State
Keyed State的意思就是我们的数据都是按照key进行划分的，也就是相同的key状态都会保存在一起，也就是说 苹果都跟苹果放在一起，香蕉都和香蕉放在一起，方便管理和操作！
其中我们一共有以下几种储存数据的方式如下：
ValueState：单值状态并且与key绑定，可以通过update进行更新，和value进行取值
ListState：可以把这个理解为我们把数据的状态都存放在一个list上，然后我们就可以使用list的方法啦，很是方便！
ReducingState：这种状态我们可以简单的理解我们要对状态进行合并计算，如果是这种条件下我们就使用这种状态！
MapState：顾名思义，这种状态就是把状态放到了map中，形成了k-v键值对，同样类似于ListState我们就可以使用map中的一些方法了！
2.2 Operator State
这种状态就是跟key无关，此时就需要我们自己去设定了，他的数据结构和keyed state类似，只不过区别在于Operator State是与key无关的
3 举一个简单地例子
大家可以从这幅图中看到，我们状态使用了一个Tuple2<String,Double>，我们对输入的单词要进行一个统计计算，我们就把每个单词出现的次数记作1
如下图：
因为我们输入的单词是一个流的状态，我们需要把所有的单词进行一个累加，我们把一个单词出现的次数记作1，并且对其进行存储，然后遇到相同的单词再把次数进行累加，把这个求和值存储到对应单词的状态中即可！
来源：CSDN
作者：Big_data123
链接：https://blog.csdn.net/Big_data123/article/details/104657320