状态编程：计算过程中依赖其它数据就是状态编程。
无状态：无状态的计算观察每个独立事件，并根据最后一个事件输出结果。
有状态：有状态的计算则会基于多个事件输出结果。

状态分类：
托管状态（Managed State）：由Flink的运行时（Runtime）来托管的。状态会自动持久化保存，发生故障时自动恢复。
原始状态（Raw State）：由开发者自己管理的，需要自己序列化。

托管状态（Managed State）分为两种类型：
1、算子状态（operator state）：
算子状态的作用范围限定在算子任务内。同一并行任务所处理的所有数据都可以共享到相同的状态，就是每个算子子任务或者说每个算子实例共享一个状态。

算子状态的三种基本数据结构：
列表状态（Liststate）：当前并行子任务上所有状态项的集合。
联合列表状态（UnionListState）：也会将状态表示为一个列表。
广播状态（BroadcastState）：将状态完整的分发给所有子任务。

区别：
当并行度调整时，常规列表状态是轮询分配状态项，而联合列表状态的算子则会直接广播状态的完整列表。

2、键控状态（keyed state）：
键控状态是根据输入数据流中定义的键（key）来维护和访问的，它的访问范围限定在当前输入的key。

键控状态的三种基本数据结构：
值状态（ValueState）：状态中只保存一个值（value）。
列表状态（ListState）：
映射状态（MapState）：以键值对（key-value）的格式将状态保存起来。
归约状态（ReducingState）：与值状态类似，需要对添加的所有数据进行归约，将归约聚合之后的值作为状态保存下来。
聚合状态（AggregatingState）：与归约状态类似，聚合状态也是一个值。

区别：
聚合状态对不同数据类型进行聚合保存，更加灵活。
归约状态只能对相同数据类型进行聚合保存。