01
Flink状态管理概述
什么是有状态计算？状态管理的核心价值与挑战，从流处理本质理解状态必要性。
概念入门
02
状态类型详解（上）
Keyed State 之 ValueState、ListState、MapState 原理与使用场景，细粒度状态操作。
KeyedState核心
03
状态类型详解（下）
Operator State 之 ListState、UnionListState、BroadcastState 实战，算子级状态管理。
OperatorState广播
04
状态后端（State Backend）
MemoryStateBackend、FsStateBackend、RocksDBStateBackend 选型对比与生产配置。
存储选型
05
状态数据结构优化
如何选择高效的状态序列化器（Kryo、Avro、Protobuf），降低存储与网络开销。
序列化性能
06
状态TTL（生存时间）
配置状态过期策略，防止状态无限膨胀，自动清理过期数据。
TTL清理
07
状态查询（Queryable State）
架构原理、配置与客户端访问实战，从外部直接读取Flink状态。
查询外部访问
08
状态一致性模型
At-Least-Once、Exactly-Once 语义在状态中的体现，一致性等级剖析。
一致性语义
09
检查点（Checkpoint）机制
原理、配置、触发策略与生命周期，Flink容错的基石。
容错Checkpoint
10
保存点（Savepoint）机制
手动触发、恢复、升级与迁移，应用版本演进的关键工具。
Savepoint运维
11
Checkpoint 与 Savepoint 的异同
存储格式、触发方式、使用场景对比，根据需求选择合适快照。
对比快照
12
端到端一致性（End-to-End Exactly-Once）
两阶段提交协议（2PC）在 Flink 中的实现，精确一次端到端保证。
2PCExactly-Once
13
幂等写入与事务写入
两种保证一致性策略的优劣分析，根据场景选择写入模式。
幂等事务
14
FlinkKafkaProducer 的 Exactly-Once 语义
Kafka 事务与两阶段提交深度解析，精准一次输出到Kafka。
Kafka事务
15
状态一致性保证的权衡
性能、延迟与一致性的三角博弈，生产环境调优策略。
权衡性能
16
状态扩容与重分布
Keyed State 的 Key Group 机制与 Operator State 的重新分配，弹性伸缩。
扩容KeyGroup
17
非对齐检查点（Unaligned Checkpoint）
原理、适用场景与配置，减少背压下的检查点超时。
Unaligned背压
18
增量检查点（Incremental Checkpoint）
RocksDB 增量快照原理与配置，大幅减少快照时间。
增量RocksDB
19
状态本地恢复（Local Recovery）
减少故障恢复时间，提升可用性，本地状态快速重建。
恢复本地
20
状态访问模式优化
同步访问、异步访问与批量访问的最佳实践，降低延迟。
访问模式优化
21
状态与时间特性结合
Event Time 与 Processing Time 下的状态管理差异，时间语义影响。
时间语义EventTime
22
多流关联中的状态管理
Interval Join、Window Join、Temporal Join 的状态使用与优化。
Join多流
23
状态后端监控与调优
RocksDB 性能指标、内存配置与读写优化，全链路监控。
监控RocksDB
24
状态迁移与 Schema 演化
状态数据结构变更时的兼容性处理，平滑升级。
Schema演化迁移
25
大规模状态下的故障恢复
从 Checkpoint 恢复的耗时分析与优化策略，快速恢复。
大规模恢复
26
状态一致性在 CDC 场景中的应用
Flink CDC 与状态管理的结合，变更数据捕获的一致性保证。
CDC一致性
27
状态与容错
Task 失败、JobManager 失败、集群级故障的恢复策略。
容错故障
28
状态管理的反压问题
状态访问瓶颈导致的反压排查与解决，定位性能热点。
反压排查
29
状态存储的冷热分离
将历史状态卸载到外部存储（HDFS、S3）的架构设计，降本增效。
冷热分离HDFS
30
综合实战：实时订单统计系统
构建支持 Exactly-Once 语义的实时订单统计，含状态设计、Checkpoint 配置、故障恢复演练。
实战订单