參考地址：https://www.cnblogs.com/airnew/p/9544683.html
問題一、什么是狀態？
問題二、Flink狀態類型有哪幾種？
問題三、狀態有什么作用？
問題四、如何使用狀態，實現什么樣的API？
問題五、什么是checkpoint與savepoint？
問題六、如何使用checkpoint與savepoint？
問題七、checkpoint原理是什么？
問題八、什么是有狀態的計算？
問題九、使用checkpoint的作用？
一、狀態
定義：
一般指一個具體的 task/operator 某一時刻在內存中的狀態（一個中間結果)
快照（snapshot）
作用：
state可以被記錄，在失敗的情況下可以恢復。
基本類型：
Operator state
Keyed state
Flink提供一套狀態保存的方法，無需在借助第三方存儲系統來解決狀態存儲問題。
二、Flink狀態類型有哪幾種？
按照數據的划分和擴張方式，Flink中大致分為2類：
（1）Operator State
1、可以用於所有算子（常用於source，例如 FlinkKafkaConsumer）
2、一個Operator 實例對應一個State （與 key 無關，唯一綁定到特定 operator）
3、並發改變時有多種重新分配方式可選
（1）均勻分配
（2）合並后每個得到全量
4、實現 CheckpintedFunction 或 ListCheckpointed 接口
5、支持的數據結構
ListState （只支持這一種數據結構）
（2）Keyed State
1、只能用在KeyedStream 上的算子中，基於 keyedStream 之上的狀態，dataStream.keyBy()，只能在作用於 keyedStream 上的 function/Operator 里使用。
keyBy 之后的 Operator State，可理解為分區過的 Operator State。
每個 並行 keyed Operator 的每個實例的每個 key有一個 keyed state， 即 <paralled-operator-instance,key> 就是一個唯一的狀態，由於每個 key 屬於一個 keyed operator的
並行實例，因此我們可以將其簡單的理解為 <operator，key>
2、每個key 對應一個State。（一個Operator 實例處理多個key，訪問相應的多個State）
3、並發改變，State隨着Key 在實例間遷移
4、通過 RuntimeContext 訪問 RichFunction
5、支持的數據結構
ValueState
ListState
ReducingState
AggregatingState
FoldingState（不推薦使用，過期了）
MapState
注意：狀態不一定存儲在內部，可能駐留在磁盤或者其他地方
狀態是使用RuntimeContext訪問的，因此只能在Rich函數中訪問。
三、狀態的表現形式
Keyed State 和 Operator State ，可以有兩種形式存在：原始狀態和托管狀態。
managed（托管狀態）：
托管狀態是由Flink 框架管理的狀態，如 ValueState、ListState、MapState等。
通過框架提供的接口來更新和管理狀態的值。
不需要序列化
raw（原始狀態）
原始狀態是由用戶自行管理的具體的數據結構，Flink 在做 checkpoint的時候，使用 byte[] 來讀寫狀態內容，對其內部數據結構一無所知。
需要序列化
通常在DataStream 上的狀態推薦使用托管的狀態，當用戶自定義operator時，會使用到原始狀態。
問題八、什么是有狀態的計算？
計算任務的結果不僅僅依賴於輸入，還依賴於它的當前狀態，其實大多數的計算都是有狀態的計算。比如wordcount，給一些word，
其計算它的count，這是一個很常見的業務場景。count作為輸出，在計算的過程中要不斷的把輸入累加到count上去，
那么count就是一個state。
什么是checkpoint?
checkpoint 則表示了一個 Flink Job ，在一個特定時刻的一份全局狀態狀態快照，即包含了一個 job 下 所有
task/operator 某時刻的狀態。
問題九、使用checkpoint（檢查點）的作用？
使用Checkpoint提高程序的可靠性
用戶可以根據程序里面的配置將checkpoint打開，給定一個時間間隔后，框架會按照時間間隔給程序的狀態進行備份。
當發生故障時，Flink會將所有Task的狀態一起恢復到Checkpoint的狀態。從那個位置開始重新執行。
Flink也提供了多種正確性的保障，包括：
AT LEAST ONCE
Exactly once
備份為保存在State中的程序狀態數據
Flink也提供了一套機制，允許把這些狀態放到內存當中。做Checkpoint 的時候，由Flink去完成恢復。
從已停止作業的運行狀態中恢復
當組件升級的時候，需要停止當前作業。這個時候需要從之前停止的作業當中恢復，Flink提供了2種機制恢復作業：
Savepoint（保存點）：是一種特殊的checkpoint，只不過不像checkpoint定期的從系統中去觸發的，它是用戶通過命令觸發，存儲格式和checkpoint也是不相同的，
會將數據按照一個標准的格式存儲，不管配置什么樣，Flink都會從這個checkpoint 恢復，是用來做版本升級一個非常好的工具。
External Checkpoint：對已有checkpoint的一種擴展，就是說做完一次內部的一次Checkpoint后，還會在用戶給定的一個目錄中，多
存儲一份checkpoint的數據。