Apache Flink 中的状态（State）是其流处理能力的核心，用于记忆过去的数据以影响未来的处理结果。Flink 将状态主要分为两大类：Keyed State（键控状态） 和 Operator State（算子状态）。 这两者的核心区别在于状态的作用域（Scope）以及在并行度发生变化（扩缩容）时状态如何重新分配。 以下是详细的对比和解析： --- 1. Keyed State (键控状态) 这是 Flink 中最常用的状态类型。 适用场景：只能用在 上，即在调用 算子之后。 作用域： 状态是根据 Key 来隔离的。 对于每一个 Key，都有一个独立的状态实例。 例如：如果你在统计每个用户的点击量，Key 是 ，那么 的计数器和 的计数器是完全隔离的。 数据结构：Flink 提供了丰富的接口来操作 Keyed State： : 保存单个值（如计数器）。 : 保存一个列表。 : 保存键值对映射。 : 保存聚合后的结果（通过 reduce 函数更新）。 : 保存聚合结果（比 Reducing 更通用）。 扩缩容（Rescaling）机制： Flink 使用 Key Group...
播面