第 192 题：流处理的状态后端，RocksDB vs Heap的适用场景？
题目
流处理的状态后端，RocksDB vs Heap的适用场景？
完整讲解
一、状态后端的作用
状态后端：负责流处理中 keyed state（如 ValueState、MapState）与运行时状态的存储、访问与 checkpoint 持久化。选型影响吞吐、延迟、状态规模与恢复速度。
二、RocksDB
- 特点：状态存于本地磁盘（通过 RocksDB），单机可支撑大状态（GB～TB 级）；checkpoint 时异步持久化到分布式存储。适用：状态量大、允许一定磁盘 IO 延迟、需要增量 checkpoint 以减小 IO 的场景。
- 代价：读写经 RocksDB，延迟与吞吐不如纯内存；JNI 与序列化有额外开销；需预留本地磁盘与 IO 能力。
三、Heap（内存）
- 特点：状态全在 JVM Heap，访问快、延迟低。适用：状态量小（百 MB 级以内）、对延迟敏感、可接受 checkpoint 时全量快照（或不依赖大状态）的场景。
- 限制：状态受 GC 与堆大小 限制，过大易 OOM；checkpoint 多为全量，状态大时 IO 与恢复慢。
四、选型小结
- 状态小、要低延迟 → Heap；状态大、要可扩展 → RocksDB。生产常见用 RocksDB 兜底大状态，或按作业分：轻量作业 Heap、重状态作业 RocksDB。
面试要点
- 能说清状态后端的职责：keyed state 存储与 checkpoint；能对比 RocksDB 与 Heap 的存储介质与特点。
- 能说明 RocksDB 适用大状态、Heap 适用小状态与低延迟；能简述增量 checkpoint 与 RocksDB 的配合。
- 能给出选型建议：状态规模、延迟、GC 与磁盘 IO 的权衡。
记忆要点
- RocksDB：本地磁盘、大状态、增量 checkpoint；Heap：内存、小状态、低延迟。
- 选型：状态小/低延迟→Heap；状态大/可扩展→RocksDB；注意 GC 与 OOM。