阅读了Flink的文档和搜索后，我无法完全理解Flink在其窗户中的处理状态。可以说，我有一个每小时的翻滚窗口，其聚合函数将MSG积聚到某些Java Pojo或Scala Case类中。该窗口的大小是否会在一个小时内进入该窗口的事件数量，还是将其与Pojo/case类绑定，因为即时消息将事件累积到该对象中。（例如，如果将10000个毫克计入整数，该大小接近10000 * msg尺寸或int的大小？）另外，如果我使用pojos或案例类，flink是否会为我处理状态（如果内存耗尽/保存在检查点等状态等状态，则泄漏），还是我必须使用flink的状态对象为此？
感谢您的帮助！
窗口的状态大小取决于您应用的函数类型。如果应用ReduceFunction或AggregateFunction，则立即汇总到达数据，并且该窗口仅保留汇总值。如果您应用ProcessWindowFunction或WindowFunction，Flink会收集所有输入记录，并在时间（事件或处理时间取决于窗口类型）时应用该功能，则会通过窗口的结束时间。
您还可以组合两种类型的功能，即具有AggregateFunction，然后是ProcessWindowFunction。在这种情况下，到达记录会立即汇总，并且关闭窗口时，将聚合结果作为单个值传递给ProcessWindowFunction。这很有用，因为您具有增量聚合（由于ReduceFunction/AggregateFunction），但也可以访问窗口元数据（例如开始和结束时间戳）（由于ProcessWindowFunction）。
如何管理状态取决于所选状态后端。如果配置FsStateBackend，则所有本地状态都将保留在任务管理器的堆上，并且如果状态生长太大，则JVM进程被OutOfMemoryError杀死。如果配置RocksDBStateBackend状态溢出到磁盘。这带有每个州访问的DE/序列化成本，但为州提供了更多的存储空间。