我把我的最后两条评论移到这里作为答案，因为我意识到我实际上是在这么做。
好吧，那可能是优步的主题演讲。但归根结底，有些公司正在使用非常大的状态来保存您需要有效执行计算的数据。
例如，我制作了一个程序，它接收具有唯一id和值字段（int）的消息。然后，我有一个有状态函数，它由接收到的消息的id设置键，我为该id接收的每条消息都将添加到一个有状态值对象中，更新该id的总数。如果需要，可以创建一个有状态列表对象来保存收到的所有消息。另一种方法是使用一个“新时代”数据库来存储数据，这个数据库是为快速读写而设计的，比如cassandra。但由于i/o（长话短说，flink和cassandra可以快速处理大量数据，而网络带宽不能），这种方法有其自身的局限性。
因此，将所有这些数据保存在flink中是可以很好地完成和使用的，并且有很多好处。
有一件事我必须要提醒的是，我不知道Flink的国家是否有类似Cassandra或Kafka的故障保险。然而，它们跨节点复制数据，这样，如果一个节点发生故障，那么其他节点可以处理所有事情，并在另一个节点重新启动时重新填充该节点。flink的状态可以存储在远程后端，如s3 bucket或hdfs（请参阅：https://ci.apache.org/projects/flink/flink-docs-release-1.4/ops/state/state_backends.html)，但我不知道是否有复制的状态。因此，如果状态全部存储在一个节点上，而该节点发生故障，或者该状态永久消失，或者在另一个节点上备份。这是一个需要更多研究的问题，因为这应该是你选择的一个重大决定。
希望至少能给你提供一些信息和一些简单的问题。