背景
我想把一个在DB上运行的任务移到Flink上，使系统工作得更“真实的”。这个任务每10秒会重新计算所有账户的“状态”，如果这个值满足某些条件，我们会通知用户。账户的“状态”是根据他们拥有的股票数量和这些股票的当前价格计算的。

我的解决方案

我的想法是用这些输入创建一个管道：

• 开始数据流：日开始数据（初始数据）：最后一天的股票价格，每个帐户的股票数量。数据可以从DB表中读取或从Kafka主题中加载。
• 价格流：一个Kafka主题的每一条信息都包含这样一只股票的价格：{【品名】：【存货名称】，【价格】：当前价格}
• 库存流：一个Kafka主题的每一条信息都包含该账户买入或卖出的股票数量（正数或负数），如下所示：{“账号”：帐号，“股票”：“存货名称”，“数量”：更改号码}

我的解决方案：将BeginStream与StockStream连接，然后再与PriceStream连接（全部都是keyBy StockName），为了对BeginStream的每只股票进行计算，我将创建一个名为stockStates的ListState，它包含以下信息：股票数量和当前价格。
对于来自StockStream和PriceStream的每个事件，我将更新stockStates，然后计算“state”，如果该值满足某些条件，我们将向其他Kafka主题发送消息，并将该帐户从该ListState中删除

BeginStream
  .keyby(StockName)
  .connect(
      StockStream.
        .keyby(StockName))
  .flatMap(new EnrichmentFucntion())
...
  .connect(
      PriceStream.
        .keyby(StockName))
  .flatMap(new EnrichmentFucntion())

系统包含约500.000个账户，1.000只股票，每个账户持有10-20只股票，PriceStream和StockStream的吞吐量约为1.000条消息/秒。

问题

我是Flink的新手，因此我不确定我的解决方案是否是一个好的方法？有没有类似问题的设计模式？对于大约1000个ListState（每个列表包含大约500.000*10/1000=5.000个帐户的状态），我应该使用RocksDB来存储状态吗？
如有任何建议，我们将不胜感激。