Apache Flink流媒体应用程序通常设计为无限期运行或长时间运行。与所有长期运行的服务一样，需要更新应用程序以适应不断变化的需求。这同样适用于应用程序所针对的数据模式;它们随着应用程序的发展而发展。
此页提供了如何演进状态类型s数据模式的概述。当前的限制因不同类型和状态结构(ValueState、ListState等)而不同。
请注意，只有在使用由Flink自己的 type serialization framework生成的状态序列化器时，该页面上的信息才相关。也就是说，在声明状态时，提供的状态描述符没有配置为使用特定TypeSerializer或TypeInformation，在这种情况下，Flink将推断关于状态类型的信息
ListStateDescriptor<MyPojoType> descriptor =
new ListStateDescriptor<>(
"state-name",
MyPojoType.class);
checkpointedState = getRuntimeContext().getListState(descriptor);
在后台，状态模式是否可以演化取决于用于读取/写入持久状态字节的串行器。 简而言之，注册状态的模式只有在其序列化程序正确支持的情况下才能演变。 这是由Flink的类型序列化框架生成的序列化器透明地处理的（下面列出了当前的支持范围）。
如果您打算为状态类型实现自定义类型序列化器，并希望了解如何实现序列化器以支持状态模式演化，请参阅自定义状态序列化。其中的文档还包括关于状态序列化器和Flink状态后端之间相互作用的必要内部细节，以支持状态模式演化。
Evolving state schema
要演化给定状态类型的模式，您将采取以下步骤:
- 为你的Flink流作业取一个保存点。
- 更新应用程序中的状态类型(例如，修改Avro类型模式)。
- 从保存点恢复作业。当第一次访问状态时，Flink将评估该状态的模式是否已更改，并在必要时迁移状态模式。
迁移状态以适应已更改的模式的过程是自动进行的，并且对于每个状态都是独立的。这个过程由Flink在内部执行，首先检查状态的新序列化器是否与前一个序列化器有不同的序列化模式;如果是，则使用前一个序列化器将状态读取到对象，并使用新的序列化器再次写入字节。
关于迁移过程的更多细节不在本文档的范围内;请参考此处。
Supported data types for schema evolution
目前，只支持POJO和Avro类型的模式演化。因此，如果您关心状态的模式演化，目前建议对状态数据类型始终使用Pojo或Avro。
There are plans to extend the support for more composite types; for more details, please refer to FLINK-10896.
POJO types
Flink支持基于以下规则集演进POJO类型的模式:
- 可以删除字段。删除后，删除字段的前一个值将在以后的检查点和保存点中删除。
- 可以添加新的字段。新字段将被初始化为其类型的默认值，由Java定义。
- 声明的字段类型不能更改。
- POJO类型的类名不能更改，包括类的名称空间。
注意，POJO类型状态的模式只有在Flink版本大于1.8.0的情况下从上一个保存点恢复时才会发展。当使用大于1.8.0的Flink版本进行恢复时，模式不能更改。
Avro types
Flink完全支持演化Avro类型状态的模式，只要Avro的模式解析规则认为模式更改是兼容的。
一个限制是Avro生成的用作状态类型的类不能被重新定位，或者在恢复作业时具有不同的名称空间。
注意 不支持键的模式演化。
示例:RocksDB状态后端依赖于二进制对象标识，而不是hashCode方法实现。对键对象结构的任何更改都可能导致不确定性行为。
注意 Kryo不能用于架构演变。
当使用Kryo时，框架不可能验证是否做出了任何不兼容的更改。
