1.1、Flink基础概念1.1.1、Flink是什么Apache Flink是一个框架和分布式处理引擎，用于对无界和有界数据流进行有状态计算，它的核心目标是“数据流上的有状态计算”（Stateful Computations over Data Streams）。1.1.
导读本文将分享B站基于Hudi+Flink打造流式数据湖的落地实践，主要聚焦于数据湖引入后，在批流融合过程中遇到的若干问题及优化方案。文章包括四个部分：1. 背景与挑战，简要介绍B站数仓的现状和痛点，以及打造数据湖能力的愿景；2.
基于state出发，flink基于与state可以做非常多复杂的事情，但是state是存储在内存中，内存中的数据是不安全的易丢失的，所以flink为了解决这个问题就引入了checkpointed机制，所谓的checkpointe就是把整个flink job的某一瞬间的状态数据进行快照，后续可以从这个快照。
在单 Task 的状态比较大时，一般推荐使用 RocksDBStateBackend，由于 State 操作都是随机 IO 类型，在非 SSD 机器上的访问性能比较差，并且在访问过程中存在额外的序列化和反序列化开销， CPU 的使用量也会明显上升，实际使用的资源成本增加了。
1. 概述在实际业务系统中为了解决单表数据量大带来的各种问题，我们通常采用分库分表的方式对库表进行拆分，以达到提高系统的吞吐量。但是这样给后面数据分析带来了麻烦，这个时候我们通常试将业务数据库的分库分表同步到数据仓库时，将这些分库分表的数据，合并成一个库，一个表。
什么叫做Flink的有状态计算呢？说白了就是将之前的中间结果暂时存储起来，等待后续的事件数据过来后，可以使用之前的中间结果继续计算。本文主要介绍Flink状态计算和管理、代码示例。1、有状态的计算什么是Flink的有状态的计算。
