Flink 描述中第一个词就是 Stateful，为什么「状态」如此重要？

流的状态区分

“状态”可以分为两类，一类是流数据状态，另一类是流信息状态。

• 流数据状态。处理时的临时缓存，计算完成后就清理掉。
• 流信息状态。计算得到的信息会在后续被继续使用，从而需要将它们保存下来。同时在之后的流计算过程中，这些信息还会被不断地查询和更新。

流数据状态

流信息状态

“流信息状态”最主要的功能，是记录在流计算过程中分析出的业务信息。

流信息状态的存储，通常是依赖于数据库完成的。这有三方面的原因。

一是，“流信息状态”通常需要保存较长时间，数据量也不小，还需要频繁查询和更新，将它存放在数据库中，能方便地长期保存和增删查改。
二是，“流信息状态”存在“数据变冷”和“过期淘汰”的问题，使用数据库的“热数据缓存”和“TTL 机制”，能方便有效地解决这两个问题。
三是，“流信息状态”通常数据量会很大，单个存储节点往往是不够用的，选择合适的数据库能够方便地扩展为集群。

使用 Apache Ignite 存储流信息状态。

如何区别

我目前理解主要是看需求。即计算周期和统计周期的差距

• 如果差距较大，如每10s计算一次过去7天的总和，那就用流信息状态
• 如果差距较小，如每10s计算过去1小时的总和，那就用流数据状态