核心组件
Flink四大核心组件为：State、Checkpoint、Window及Time；
State
State即状态管理，一般有两种存在形式，RawState及ManageState；
RawState
原始状态，由用户自行管理状态具体的数据结构及序列化，框架在进行checkpoint时，使用byte[]来读写内容，对其内部数据结构一无所知，常用于自定义operator时使用；
ManageState
托管状态，由flink框架管理状态，自动存储、自动恢复，且在内存管理上存在一定的优化，能够在大多数场景下使用，非自定义operator时推荐使用托管状态；
Checkpoint
状态保存与恢复
Checkpoint定时制作分布式快照，对程序中的状态进行备份；发生故障时，将整个作业的所有task都回滚到最后一次成功Checkpoint中的状态，然后从该点重新开始处理（需数据源支持重发）；
状态存储方式
State的store和Checkpoint的位置取决于stateBackend的配置
- MemoryStateBackend：state的数据保存在taskManager的内存中，执行Checkpoint时，将state快照保存到JobManager的内存中；基于内存存储方式，一旦停机或程序崩溃，状态数据将丢失且无法恢复，生产环境不建议使用；单个state大小默认为5M，推荐用于本地测试；
- FsStateBackend：state的数据保存在taskManager的内存中，执行Checkpoint时，将state快照保存到配置的文件系统中，常用文件系统为HDFS；推荐用于常规状态作业；
- RocksDBStateBackend：在本地文件系统中维护一个状态，state直接写入本地RockDB，同时需要配置一个源端FS URI(一般为HDFS)，执行Checkpoint时，将本地数据复制到远端FS中，Failover时从远端FS中恢复至本地；单key状态最大不超过2G，推荐用于超大状态的作业，可用于对状态读写性能不高的生产场景；
Checkpoint与savePoint
Checkpoint
- Flink自动出发并管理，主要用于Task异常时快速恢复；
- 轻量级，作业停止后默认清除；
savePoint
- 用户手动触发并管理，主要用户升级备份等，作业能够停止后恢复；
- 持久化，以标准格式存储，允许代码或配置发生变更，手动触发从savePoint的恢复；
作业重启策略
Flink支持不同的重启策略，以便在顾上发生时快速恢复；集群启动时会伴随一个默认的重启策略，在作业没有定义具体重启策略时会使用集群的默认重启策略；当作业配置了重启策略时，该策略会覆盖集群默认重启策略；常用的重启策略有：固定间隔、失败率及无重启；
- 如果没有启用Checkpointing，则使用无重启策略；
- 如果启用了Checkpointing，但未配置重启策略，则默认使用固定间隔策略，其中Integer.MAX_VALUE参数是尝试重启次数；
Window
Window按照触发方式可分为Time Window、Count Window及自定义Window；按照窗口类型可分为滑动窗口（tumbling window）与滚动窗口（sliding window）；
Time Window
最简单常用的窗口形式是基于时间触发的窗口；时间可分为EventTime、IngestTime及ProcessTime；
EventTime 事件时间、日志时间
IngestTime 进入 Flink 的时间（进入datasource的时间）
ProcessingTime Flink 处理的时间
Count Window
基于事件数量触发的窗口；
Tumbling Window
将数据根据固定敞口大小进行切割计算；
特点：时间对齐，窗口大小固定，适合进行BI统计等场景；
Sliding Window
窗口间元素可能存在重叠，由窗口大小及滑动步长组成；
特点：窗口大小固定，不同窗口间可能存在重叠，适合进行监控报警等场景；
