如果要说 Flink 作为一个流式计算引擎，有什么很 nb 的地方，我觉得 State / StateBackend 算是一个。
Overview
通常，从我的观点来看，如果一个无状态分布式程序跑在 Flink 上，我会简单地称它只是单纯地利用了 Flink 的分布式特性而已，并没有真正地在利用 Flink 这个框架。比如简单的无须容错的数据导入导出服务。
在 Overview 中我将简单地介绍现有 Flink 中 StateBackend 的种类，和 StateBackend 的组成部分。之后由浅入深全方位讲解各个 StateBackend 的背后原理。
组成部分
通常一个 StateBackend 由以下两者组成：
- OperatorStateBackend
- KeyedStateBackend
其中，OperatorStateBackend 主要用于无 Key 场景下的状态存储，如 Kafka Offset，常见的有 ListState / UnionState / BroadcastState。KeyedStateBackend 主要用于 Key 场景下的状态存储，如某个 uid 用户在 10min 窗口下的行为明细，常见的有 ValueState / ListState / MapState 等。
不管是 OperatorStateBackend 和 KeyedStateBackend，本质作用都是存储状态，所以他们都有如下功能：
- 恢复状态
- 修改状态
- 持久化状态
之后逐一讲解 StateBackend 时也会从这几个方面去讲解。
分类
一般情况下，KeyedStateBackend 所使用的频次以及状态的大小都超过 OperatorStateBackend，所以大家对 KeyedStateBackend 的关注度往往比较大。
通常我们说的 StateBackend 有三种：
- MemoryStateBackend
- FsStateBackend
- RocksDBStateBackend
而这三种 StateBackend 对应的 OperatorStateBackend 和 KeyedStateBackend 分别为：
StateBackend | OperatorStateBackend | KeyedStateBackend :-: | :-: | :-: | :-: | :-: MemoryStateBackend | DefaultOperatorStateBackend | HeapKeyedStateBackend FsStateBackend | DefaultOperatorStateBackend | HeapKeyedStateBackend RocksDBStateBackend | DefaultOperatorStateBackend | RocksDBKeyedStateBackend
看到这里可能要问，MemoryStateBackend 和 FsStateBackend 有什么区别？这个具体后面文章会讲，因为 KeyedStateBackend 本身只定义 State 的存储方式和序列化方式，至于状态存储到哪里，如何去存储，Checkpoint 怎么操作，还是由 StateBackend 来控制的。所以 MemoryStateBackend 和 FsStateBackend 都是将状态放入内存中但是在 Checkpoint / Savepoint 的方式会有所不同。
在这里简单描述一下三种 StateBackend 的用途，和官方博客描述的一致，有兴趣可以看 Ververica Blog。
MemoryStateBackend
MemoryStateBackend 主要用来做本地调试，可以用于存储小状态，如 KB 级别的状态数据。
FsStateBackend
FsStateBackend 可以用于生产环境，具有 HA 特性。
RocksDBStateBackend
RocksDBStateBackend 适用于超大型 State，也是诸多应用场景下最主流的选择，具有 HA 特性，支持增量 Checkpoint。