解读人员：小晨
目录结构如下，咱们直接进入正题
小晨分析No1：
•第一张图，离线分析Flink的pipline定时checkpoint或者自己手动savepoint的数据信息，一般公司会用到，主要是离线分析实流按key保存的状态数据。•第二张图，有的业务场景，想要把离线数据，迁移到实时数据他们会遇到如何把之前离线存储的数据，衔接到实时流上。最近有个腾讯的兄弟问的我的一个问题，如何把腾讯视频历史离线的播放量，衔接到实时流中。这个需要你先把离线的数据通过批处理的方式，写入到savepoint中，然后实时流通过savepoint启动，一定要注意，并行度一致，uid统一。这个后边我会单独弄个demo测试一下。
ppt
小晨分析No2：
看下面这张图，第一个部分就是状态修正，大家后边也很常 用有公司会用这个，我也带着大家一起看看，主要是你的中间状态，你 想修改一下，你需要如何处理，比如你先上的某个bug，导致你某个 operator的状态值是错误的，你需要手动修正，这个功能flink1.7， 不支持pojo中的类型变化，支持相同类型修改，1.9支持类型变化， 社区进行了改进。
ppt
小晨分析No3：
下面开始直接介绍实际场景 状态有3个：
ValueSate<String> userId,用户id
ValueSate<Long> lastSeenTimestamp,用户上次看商品的时间
ValueSate<Item> purchasedItems,用户历史购买的商品
咱们根据这个场景练习，我尽量解说的详细点 uid=“user_items”，是中间状态的名字，等会读取需要
ppt
小晨分析No4：
下面开始实战读取线上状态
•第一步：先根据uid读取，然后进入咱们的操作方法，生产dataset•第二步：把dataset转成datastream，用到operatortransformation，人工在代码中修改状态值•第三步：然后按之前的uid写入，并保存到savepoint中
ppt
小晨分析No5：
然后进入咱们的读取操作方法,UserKeyedStateReaderFunction
ppt
小晨分析No6：
然后进入咱们的修改操作方法,UserKeyedStateBootstrapFunction
ppt
小晨分析No7：
整个内部执行流程
ppt
小晨分析No8：
我们要修改状态如何去做，也很简单,修改完，写入savepoint到
ppt
小晨分析No8：
下面说说总结
•注意并行度，要统一并行度•咱们场景有3个sate，如果你修改其中一个，另外两个不修改，你不能删除老的checkpoint，也就是你读取的checkpoint，因为新的checkpoint中的Metadata以来以老的Metadata。•看下图，修改完保存新的checkpoint，内部只保存了被修改的状态数据，所以，你要恢复的时候，历史的checkpoint不能删除，启动的时候，会根据新的Metadata元数据找到历史的checkpoint，flink会根据uid进行合并。
ppt
最后
希望大家，放下浮躁的心态，踏下心来，专心搞技术。
希望大家都能升职加薪
小晨说数据
一个讲述互联网大数据的公众号 ❤下面2019年9月10号教师节是免费公益星球，邀请你的小伙伴一起来学习吧。
