1.概述

官网：在 Apache Flink 中管理大型状态：增量检查点介绍

官网：FLIP-158: Generalized incremental checkpoints

Apache Flink 专为有状态的流处理而构建。但是，流处理应用程序中的状态是什么？我在之前的博客文章中定义了状态和有状态流处理，如果您需要复习，状态被定义为应用程序运算符中的内存，它存储有关先前看到的事件的信息，您可以使用这些信息来影响未来事件的处理。

状态是大多数复杂用例所需的流处理中一个基本的支持概念。Flink 文档中突出显示的一些示例：

• 当应用程序搜索某些事件模式时，状态会存储迄今为止遇到的事件序列。
• 在每分钟聚合事件时，状态会保存待处理的聚合。
• 在数据点流上训练机器学习模型时，状态会保存模型参数的当前版本。

但是，有状态的流处理仅在状态是容错的情况下才在生产环境中有用。“容错”意味着即使出现软件或机器故障，计算的最终结果也是准确的，不会丢失数据或重复计算事件。

Flink 的容错性一直是一个强大且流行的特性，它可以最大程