基于上图，我现在需要在两个操作员之间共享状态，来自一个 KeyedProcessFunction，它将设法处理事件并将它们从 X 类转换为 Y 类，并保持传入的状态记录以始终将 Y 类的最新信息发送到 Python 推理函数。
推理函数的结果需要映射回类 Y 并更新已在 ProcessFunction 上创建的对象的状态，然后再执行 Sink。
据我所知，RocksDB 无法进行广播状态。 “没有 RocksDB 状态后端：广播状态在运行时保存在内存中，并且应该相应地进行内存配置。这适用于所有操作员状态。”
问题：
KeyedProcessFunction 和RichMapFunction 之间共享状态？【问题讨论】：
标签： java apache-flink flink-streaming flink-cep
在使用 RocksDB 作为状态后端时，您可以使用广播状态。广播状态不会存储在 RocksDB 中——它会在堆上——但它会被检查点。所以广播状态需要足够小以适应内存。 （此外，每个任务都会独立检查广播状态的副本。）
但是，我认为广播状态不会对这个用例有所帮助。它只将状态广播到单个操作符的所有实例。
您不能在运算符之间共享状态。州是严格地方的。您可以将流程函数的输出流式传输到 RichMapFunction 中，以便它具有必要的信息。该映射不能直接影响存储在 process 函数中的状态，但它可以拥有该状态的自己的副本。
但是，听起来您希望推理函数的输出能够修改过程函数中的状态。 DataStream API 不允许在数据流中出现这样的循环。但您有两种选择：
(1) 将推理函数的结果流式传输到 kafka/kinesis 之类的东西，然后将该流作为另一个输入添加到 process 函数。 （换句话说，如果您使用外部消息队列来解耦事物，则可能出现循环。当然，这会增加延迟。）
(2) 使用Stateful Functions API。它提供了有状态组件之间的任意通信模式（您不仅限于 DAG），还具有出色的 Python 支持等等。所有这些都在 Flink 运行时之上，因此您在一致性、恰好一次、可扩展性等方面获得相同的好处。
【讨论】：
ProccessFunction中创建的状态需要在Python之后从RichFlatMap（或任何运算符）更新推理函数发送结果。所以我需要以某种方式捕获状态并从RichFlatMap（或任何运算符）更新它，以始终在ProccessFunction 中拥有用户的最新状态。
Stateful Functions 的 Stephan Ewen 演示文稿，正如您所提到的，它看起来很像我需要的。有没有关于如何使用Stateful Functions在运营商之间共享信息的示例？