知识卡片
状态支撑连续计算
内容
流计算需要跨事件保存中间结果，状态让窗口聚合、去重、会话识别等逻辑可持续推进（详见[[状态保存业务记忆]]）；Checkpoint 则把状态定期备份，故障后恢复（详见[[Checkpoint备份本地状态]]）。发散：无状态流处理只是管道，有状态才开始接近业务记忆。
参考来源
- 位置：《Flink原理与实践》第1章《大数据技术概述》（源文件：_epub-src/OEBPS/Text/chapter04.xhtml）
- 结论依据：原文围绕“在流处理中，Checkpoint主要保存状态数据”给出定义、流程、对比或限制条件，本卡片据此提炼其可迁移的框架机制，并补充了使用边界或工程启发。
- 原始内容：将中间数据保存下来。当计算任务出现问题，重启后可以根据Checkpoint中保存的数据重新恢复任务。在流处理中，Checkpoint主要保存状态数据。 1.5.4 数据一致性保障 流处理任务可能因为各种原因出现故障，比如数据量暴涨导致内存溢出、输入数据发生变化而无法解析、网络故障、集群维护等。事件进……