Flink 状态编程 （十）状态持久化和状态后端

Flink管理机制中，很重要的一个功能就是对状态进行持久化保存，这样就可以在发生故障进行重启恢复，持久化方式为当前状态，拍一个快照，并写入检查点，存储在外部存储系统中，存储介质一般为分步式文件系统（例如HDFS）。

检查点（Checkpoint）

检查点是任务的状态在某个时间点的一个快照，简单来说，就是一次存盘，让之前的数据不会丢掉，Flink会定期保存检查点，记录状态，如果发生故障，就会用最近一次成功保存的检查点来恢复之前的状态，重新启动处理数据。

如果保存检查点之后又处理了一些数据，然后发生了故障，那么重启恢复状态之后这些数据带来的状态改变会丢失。为了让最终处理结果正确，我们还需要让源（Source）算子重新读取这些数据，再次处理一遍。这就需要流的数据源具有“数据重放”的能力，一个典型的例子就是 Kafka，我们可以通过保存消费数据的偏移量、故障重启后重新提交来实现数据的重放。这是对“至少一次”（at least once）状态一致性的保证，如果希望实现“精确一次”（exactly once）的一致性，还需要数据写入外部系统时的相关保证。

默认情况下，检查点是被禁用的，需要在代码中手动开启。直接调用执行环境的.enableCheckpointing()方法就可以开启检查点。

StreamExecutionEnvironment env = StreamExecutionEnvironment.getEnvironment();
env.enableCheckpointing(1000L);

这里传入的参数是检查点的间隔时间，单位为毫秒。

除了检查点之外，Flink 还提供了“保存点”（savepoint）的功能。保存点在原理和形式上跟检查点完全一样，也是状态持久化保存的一个快照；区别在于，保存点是自定义的镜像保存，所以