Flink为什么越来越受欢迎，在大数据领域计算容错很重要，Flink计算容错手段之一就是checkpoint机制，会把数据保存在CheckPoint中，数据会随着 CheckPoint 而持久化，以防止数据丢失、保障恢复时的一致性，那么CheckPoint到底保存在哪里呢？答案是状态后端中。
1.13版本及1.13版本后的新版本Flink状态后端发生一些改变
新版本的Flink状态后端为如下2种
- HashMapStateBackend
- EmbeddedRocksDBStateBackend
HashMapStateBackend：（数据以 Java 对象的形式存储在堆中。 Key/value 形式的状态和窗口算子会持有一个 hash table，其中存储着状态值、触发器。适用于有较大 state，较长 window 和较大 key/value 状态的 Job）
（1）HashMapStateBackend之只放内存，等同于前面版本的MemoryStateBackend，这种情况适用于开发时使用，使用方式
StreamExecutionEnvironment env = ();
(new HashMapStateBackend());
().setCheckpointStorage(new JobManagerCheckpointStorage());
（2）HashMapStateBackend之把状态放到文件系统，用作容错，可以生产环境使用，红色的部分可为”hdfs://namenode:40010/flink/checkpoints” 或 “file:///data/flink/checkpoints”。
StreamExecutionEnvironment env = ();
(new HashMapStateBackend());
().setCheckpointStorage("file:///checkpoint-dir");
EmbeddedRocksDBStateBackend：（将正在运行中的状态数据保存在RocksDB数据库中，RocksDB 数据库默认将数据存储在 TaskManager 的数据目录，适用于状态非常大、窗口非常长、key/value 状态非常大的 Job，可用在生产环境）
使用方式
1、引入maven依赖
<dependency>
<groupId>org.apache.flink</groupId>
<artifactId>flink-statebackend-rocksdb_2.11</artifactId>
<version>${}</version>
<scope>provided</scope>
</dependency>
2、使用EmbeddedRocksDBStateBackend，红色的部分可为”hdfs://namenode:40010/flink/checkpoints” 或 “file:///data/flink/checkpoints”。
StreamExecutionEnvironment env = ();
(new EmbeddedRocksDBStateBackend());
().setCheckpointStorage("file:///checkpoint-dir");