首页 > TAG信息列表 > StateTtlConfig
第09讲：Flink 状态与容错
Flink系列文章 第01讲：Flink 的应用场景和架构模型 第02讲：Flink 入门程序 WordCount 和 SQL 实现 第03讲：Flink 的编程模型与其他框架比较 第04讲：Flink 常用的 DataSet 和 DataStream API 第05讲：Flink SQL & Table 编程和案例 第06讲：Flink 集群安装部署和 HA 配置 第07讲：Flink 常见Flink状态管理之状态清除StateTtlConfig
1、Flink状态去重场景 在Flink运行的时候，往往是无休止的运行，在整个Flink程序运行的长河中，往往会出现很多状态的出现，那么状态的生命周期，也就是创建、使用和销毁，那么在我们写flink程序过程中，往往不需要关注flink 状态的清理，flink内部就会对我们的状态进行清理，例如我们开一个10分钟Flink实例（126）：状态管理(十五)State 过期时间TTL
一、简介 Flink官网的自我介绍：Apache Flink® — Stateful Computations over Data Streams，可以看出状态计算是 Flink 引以为豪的杀手锏。那什么是带状态的计算呢？简单说计算任务的结果不仅仅依赖于输入，还依赖于它的当前状态。 实时计算如果任务失败导致中间状态丢失，将是一个非常Flink实例（126）：状态管理(十五)State 过期时间TTL
1 State 过期时间TTL 使用 flink 进行实时计算中，会遇到一些状态数不断累积，导致状态量越来越大的情形。 例如，作业中定义了超长的时间窗口，或者在动态表上应用了无限范围的 GROUP BY 语句，以及执行了没有时间窗口限制的双流 JOIN 等等操作。 对于这些情况，经常导致堆内存出