Hi， 我尝试一下从一个场景来阐述一下状态的定义吧，这样容易理解一些。
比如我们要做一个窗口的聚合。那这个聚合的结果可以认为是一个中间状态，这个状态在窗口没有结束之前， 是不会输出到下游的。如果我们只是把这个状态放到内存里，那中间如果任务挂了，这个状态就丢了。 如果框架没有提供状态的能力，一般我们就会选择把这个中间结果存储到外部的kv系统（比如hbase）里，每当窗口内来了 一条数据，就更新一下这个结果，并且存储到外部的kv系统。这样子如果中间任务挂了，重启起来的时候我们还能 从外部kv系统里拿到这个状态继续计算，不会导致计算结果不准确。但是这个只是一定程度上缓解了中间结果的丢失 问题，但是仍然很难提供精准的exactly-once的计算语义，因为你没法保证读到的这条数据commit offset和把中间结果 到外部kv在一个原子操作里。 但是如果框架本身提供了状态的能力呢，我们就不需要自己再去处理这种问题了。这个中间结果可以直接存储到 Flink内置的状态里。然后依靠Flink的checkpoint机制来把状态定期保存到外部系统（比如HDFS）。这样子就可以保证 任务失败重启的时候，可以从我们的checkpoint来恢复，来保证计算结果的exactly-once的语义。 i'mpossible <[email protected]> 于2020年4月26日周日 下午4:18写道： > Hi： > 我想知道有状态计算、无状态的计算的具体定义是什么？能否给出具体的应用场景； > > Flink官网介绍Flink时，给出定义是 "用于在无边界和有边界数据流上进行有状态的计算"，但是没有介绍状态的具体含义， > 和有状态、无状态计算的应用场景，以及他们的差异，令人感到抽象； > > 感谢社区的小伙伴解答！ -- Benchao Li School of Electronics Engineering and Computer Science, Peking University Tel:+86-15650713730 Email: [email protected]; [email protected]
