Apache kafka Kstreams中有状态和无状态转换的区别是什么？

我是Kstreams的初学者，我阅读了文档，但我似乎无法理解这两者之间的区别，非常感谢用一个示例进行简单的解释。

聚合和连接需要状态-通过拓扑进行的初始累加器或分组

过滤、分支、映射或迭代流不需要状态—一条消息传入，零条或一条消息传出

---

值得指出的是，groupBy函数被认为是无状态的

OneCricketer所说的是正确的。我发布这个答案只是为了用现在的例子来解释。简而言之，

有状态

操作依赖于流的先前事件，而

无状态

操作则不依赖。以计数事件为例

StreamsBuilder builder = new StreamsBuilder();
KStream<String, String> stream = builder.stream(INPUT_TOPIC);
KTable<String, Count> aggregate = stream
      .peek((key, value) -> log.info("received key: {}, value: {}", key, value))
      .filter((key, value) -> /* filter events with value is ____ */)
      .groupByKey()
      .aggregate(new Initializer<Count>() {
                    @Override
                    public Count apply() {
                        return new Count("", 0);
                    }
                }, new Aggregator<String, String, Count>() {
                    @Override
                    public Count apply(String k, String v, Count aggKeyCount) {
                        Integer currentCount = aggKeyCount.getCount();
                        return new Count(k, currentCount + 1);
                    }
                });
                
aggregate.toStream()
         .map((k,v) -> new KeyValue<>(k, v.getCount()))
         .peek((key, value) -> log.info("emitting key: {}, value: {}", key, value))
         .to(COUNTS_TOPIC, Produced.with(Serdes.String(), Serdes.Integer()));

StreamsBuilder builder=newstreamsbuilder（）；
KStream stream=builder.stream（输入主题）；
K表聚合=流
.peek（（键，值）->log.info（“收到的键：{}，值：{}，键，值））
.filter（（键，值）->/*筛选值为__*/）的事件
.groupByKey（）
.aggregate（新初始值设定项（）{
@凌驾
公共计数应用（）{
返回新计数（“，0）；
}
}，新聚合器（）{
@凌驾
应用公共计数（字符串k、字符串v、计数aggKeyCount）{
整数currentCount=aggKeyCount.getCount（）；
返回新计数（k，currentCount+1）；
}
});
聚合.toStream（）
.map（（k，v）->新的键值（k，v.getCount（））
.peek（（键，值）->log.info（“发出键：{}，值：{}，键，值））
.to（COUNTS_TOPIC，producted.with（Serdes.String（），Serdes.Integer（））；

操作

groupByKey

，

aggregate

，

filter

，

map

以某种方式转换事件（

peek

不转换事件）。转换

groupByKey

、

filter

和

map

是无状态的，因为它们可能会修改它们正在处理的当前事件（它们不关心以前的事件）。

aggregate

转换正在计算事件的数量，因此它将它们相加。因此，这取决于以前的事件。并不是说它有一个

初始值设定项
的
计数（“，0）
，它在
计数（k，currentCount+1）
上一个接一个地聚合事件，这是基于前面的计数器
aggKeyCount

此外，
无状态
和
有状态
的概念不在卡夫卡的
KStream
中。它位于所有处理引擎上，如Hadoop MapReduce、Apache Storm。它也出现在任何处理管道上，例如Java流（例如：
map
，
reduce
，
flatmap
，
filter
），。
感谢您提供的示例，它有助于更好地理解这个概念