在阅读flink的文档并四处搜寻之后，我无法完全理解flink的窗口状态如何处理。 可以说我有一个每小时的滚动窗口，它具有一个聚合函数，可以将msg累积到某些Java pojo或scala case类中。 该窗口的大小将与在一小时内进入该窗口的事件的数量相关，或者仅将其与pojo / case类相关，因为会将事件累积到该对象中。 （例如，如果将10000 msgs计数为整数，大小将接近10000 * msg大小还是int大小？） 另外，如果即时通讯使用pojos或case类，flink是否为我处理状态（如果内存耗尽/在检查点保存状态等会溢出到磁盘）还是我必须使用flink的状态对象？
感谢您的帮助！
答案 0 :(得分：5)
窗口的状态大小取决于您应用的功能的类型。如果应用ReduceFunction或AggregateFunction，则将立即汇总到达的数据，并且窗口仅保留汇总的值。如果应用ProcessWindowFunction或WindowFunction，则Flink将收集所有输入记录，并在时间（事件或处理时间取决于窗口类型）超过窗口的结束时间时应用该函数。
您还可以结合使用两种类型的功能，即先后跟AggregateFunction和ProcessWindowFunction。在这种情况下，将立即汇总到达的记录，并且当关闭窗口时，汇总结果将作为单个值传递到ProcessWindowFunction。这很有用，因为您具有增量聚合（由于ReduceFunction / AggregateFunction），而且还可以访问窗口元数据，例如开始和结束时间戳记（由于ProcessWindowFunction）。
如何管理状态取决于所选的状态后端。如果配置FsStateBackend，则所有本地状态都将保留在TaskManager的堆上，并且如果状态过大，则会使用OutOfMemoryError杀死JVM进程。如果您配置了RocksDBStateBackend状态，则会泄漏到磁盘上。每次状态访问都伴随着反序列化费用，但为状态提供了更多的存储空间。