第1章 简介

Flink状态和checkpoint的概念这里就不多赘述了，有兴趣的朋友可以看看我之前的文章，直接看一下官方对目前三种StateBackend的对比，在生产环境中我们经常选用的就是RocksDBStateBackend，他有磁盘存储和增量cp的优势，接下来我们就看看开发过程中如何使用RocksDBStateBackend。

在新版本中有所改动，分为一下两种：

• 
  HashMapStateBackend：
  
  状态数据以 Java 对象的形式存储在
  
  堆
  
  中。 Key/value 形式的状态；
• 
  EmbeddedRocksDBStateBackend：
  
  将正在运行中的状态数据保存在
  
  RocksDB数据库
  
  中。

新旧版本使用方法大同小异，下面我们看看具体的使用。

第2章 全局配置

我们可以在

flink-conf.yaml

中进行全局的配置，如果job中有自己的设置，优先job中的设置。

# 用于存储 operator state 快照的 State Backend
state.backend: rocksdb

# 增量
state.backend.incremental: true

# 存储快照的目录
state.checkpoints.dir: hdfs://namenode:40010/flink/checkpoints

第3章 作业中使用

如果要在程序中使用RocksDB作为StateBackend，需要引入如下依赖：

<dependency>
    <groupId>org.apache.flink</groupId>
    <artifactId>flink-statebackend-rocksdb_2.11</artifactId>
    <version>1.14.2</version>
    <scope>provided</scope>
</dependency>

程序中再进行如下设置：

env.setStateBackend(new RocksDBStateBackend("hdfs://namenode:40010/flink/checkpoints", true));

checkpoint目录详细说明见：

checkpoint目录结构

更多信息可查阅官方文档：

Apache Flink State Backends

2021年就要接近尾声了，时间过的真快，有一段时间没有输出文章了，今天续上一篇，感恩2021 ！！