Apache Spark吹嘘它的运营商（节点）是＆＃34;无状态＆＃34;。这使Spark的架构可以使用更简单的协议来实现恢复，负载平衡和处理落后者等。
另一方面，Apache Flink将其运营商描述为＆＃34;有状态＆＃34;，并声称有状态是机器学习等应用程序所必需的。然而，Spark程序能够在RDD中传递信息并维护应用程序数据，而无需维护状态＆＃34;。
这里发生了什么？ Spark不是一个真正的无状态系统吗？或者Flink的断言是有状态对机器学习和类似应用程序不正确是必不可少的？或者这里有一些额外的细微差别？
我不觉得我真正理解了＃34;有状态＆＃34;和＃34;无国籍的＆＃34;系统，如果可以解释，我将不胜感激。
答案 0 :(得分：2)
州的财产是指能够在当前时间点访问先前时间点的数据。
这是什么意思？假设我想对已经到达流媒体应用程序的所有单词进行单词计数。但流式传输的本质是数据流入和流出管道。为了能够访问以前的数据，在这个例子中，某种地图保存了流中前一个单词的数量，我必须访问累积的一些状态。
虽然某些Sparks RDD运算符是无状态的，例如map，filter等，但确实以mapWithState的形式公开了有状态运算符。不仅如此，在新的Spark流式架构中，称为＆＃34; Structured Streaming＆＃34;，状态内置于管道中，并且主要从用户抽象出来，以便能够公开聚合运算符，例如{{1 }}