Flink有3中运行模式，分别是STREAMING，BATCH和AUTOMATIC

Ref

1
2

https://ci.apache.org/projects/flink/flink-docs-release-1.12/zh/dev/datastream_execution_mode.html

1.STREAMING运行模式 是DataStream默认的运行模式

2.BATCH运行模式 也可以在DataStream API上运行

3.AUTOMATIC运行模式 是让系统根据source类型自动选择运行模式

可以通过命令行来配置运行模式

1
2

bin/flink run -Dexecution.runtime-mode=BATCH examples/streaming/WordCount.jar

也可以在代码中配置

1
2
3

StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
env.setRuntimeMode(RuntimeExecutionMode.BATCH);

在STREAMING运行模式中，Flink使用StateBackend来控制状态存储和checkpoint的工作，RocksDBStateBackend支持增量Checkpoint，其他2个不支持

在BATCH****运行模式中，statebackend是被忽略的，batch模式不支持checkpoint

Flink支持3种状态后端（StateBackend），其中

1
2
3
4

1.MemoryStateBackend
2.FsStateBackend
3.RocksDBStateBackend

何时使用 RocksDBStateBackend

1
2
3
4

1.RocksDBStateBackend 最适合用于处理大状态，长窗口，或大键值状态的有状态处理任务。
2.RocksDBStateBackend 非常适合用于高可用方案。
3.RocksDBStateBackend 是目前唯一支持增量 checkpoint 的后端。增量 checkpoint 非常使用于超大状态的场景。

StateBackend可以参考

【flink】flink状态后端配置-设置State Backend

Flink 小贴士 (4): 如何选择状态后端

从RocksDBStateBackend讲述Flink的State机制

在STREAMING运行模式中，flink使用checkpoint来进行容错，checkpoint参考

1
2

https://ci.apache.org/projects/flink/flink-docs-release-1.12/zh/dev/stream/state/checkpointing.html

在BATCH运行模式中，flink会回滚到到之前的stage，只有失败的task才会重启，这比从checkpoint重启所以的task要高效，所以建议如果任务能在BATCK运行模式下运行，就使用BATCH运行模式

Broadcast State

1. STREAMING运行模式，一个典型应用就是允许一个控制流接收一个rules，并将其广播到其他的stream中

2. BATCH运行模式不支持