位置: IT常识 - 正文

【Flink】详解Flink的八种分区(flink从入门到实战)

编辑:rootadmin
【Flink】详解Flink的八种分区 简介

推荐整理分享【Flink】详解Flink的八种分区(flink从入门到实战),希望有所帮助,仅作参考,欢迎阅读内容。

文章相关热门搜索词:flinkx,flinkml,flink shuffle,flink siddhi,flinkx,flinkx,flinkx,flinkr,内容如对您有帮助,希望把文章链接给更多的朋友!

Flink是一个流处理框架,一个Flink-Job由多个Task/算子构成,逻辑层面构成一个链条,同时Flink支持并行操作,每一个并行度可以理解为一个数据管道称之为SubTask。我们画图来看一下:

数据会在多个算子的SubTask之间相互传递,算子之间的并行度可能是不同的,这样就产生了数据分区问题,其核心问题在于上游的某个SubTask的数据该发送到下游的哪一个SubTask中。为了解决分区相关问题,Flink提供了一系列分区算子,下面将详细为大家介绍分区算子和相关的分区器。

分区算子

Flink一共有6种(rescale和rebalance都是轮询算子)或者7种分区算子:

shuffle :调用shuffle方法将会随机分配,总体上服从均匀分布;rebalance:调用rebalance方法将会轮询分配,对所有的并⾏⼦任务进⾏轮询分配,可能会导致TM之间的数据交换;rescale:调用rescale方法将会以组为单位轮训分配,而不是整体进行轮训,为了避免TM之间的数据交互;broadcast:调用broadcast方法将数据流广播给所有的下游子任务;global:调用global方法将会进行全局分区,将上游所有数据发送到下游第一个分区中;keyby:调用keyby方法将会按键分区。自定义规则:自定义数据分发策略。代表算子为partitionCustom。分区器概述

每一个分区算子的底层实际上对应一个分区器,一共8个分区器

GlobalPartitionerShufflePartitionerRebalancePartitionerRescalePartitionerBroadcastPartitionerForwardPartitionerKeyGroupStreamPartitionerCustomPartitionerWrapper

各个分区器的继承关系如下:

接下来将详细介绍每一个分区算子和对应的分区器。

ChannelSelector

ChannelSelector是分区器共同实现的接口,定义分区器的基本行为。

public interface ChannelSelector<T extends IOReadableWritable> { // 初始化ChannelSelector,传入的参数为下游channel的数量 void setup(int numberOfChannels); // 返回选择的channel索引编号,这个方法决定的上游的数据需要写入到哪个channel中 // 这个方法的Partitioner子类重点需要实现的方法 // 对于broadcast广播类型算子,不需要实现这个方法 // 尽管broadcast不需要实现这个方法,但是还是重写了方法,throw new UnsupportedOperationException // 传入的参数为记录数据流中的元素,该方法需要根据元素来推断出需要发送到的下游channel int selectChannel(T record); // 返回是否为广播类型 boolean isBroadcast();}StreamPartitioner

StreamPartitioner抽象类实现了StreamPartitioner接口,它的代码如下所示:

public abstract class StreamPartitioner<T> implements ChannelSelector<SerializationDelegate<StreamRecord<T>>>, Serializable { private static final long serialVersionUID = 1L; // 下游的channel数量 protected int numberOfChannels; // 初始化的时候就知道下游的channel数量 @Override public void setup(int numberOfChannels) { this.numberOfChannels = numberOfChannels; } // 肯定不是广播类型 @Override public boolean isBroadcast() { return false; } public abstract StreamPartitioner<T> copy(); @Override public boolean equals(Object o) { if (this == o) { return true; } if (o == null || getClass() != o.getClass()) { return false; } final StreamPartitioner<?> that = (StreamPartitioner<?>) o; return numberOfChannels == that.numberOfChannels; } @Override public int hashCode() { return Objects.hash(numberOfChannels); } // 决定了作业恢复时候上游遇到扩缩容的话,需要处理哪些上游状态保存的数据 public SubtaskStateMapper getUpstreamSubtaskStateMapper() { return SubtaskStateMapper.ARBITRARY; } // 决定了作业恢复时候下游遇到扩缩容的话,需要处理哪些下游状态保存的数据 public abstract SubtaskStateMapper getDownstreamSubtaskStateMapper(); // 该方法定义了上下游之间的关系类型,如果返回True,表示上下游SubTask之间有明确的一一对应关系,如果返回False代表上下游SubTask之间没有明确的对应关系 public abstract boolean isPointwise();}ShufflePartitioner@PublicEvolvingpublic DataStream<T> shuffle() {return setConnectionType(new ShufflePartitioner<T>());}

可以看到shuffle算子对应的分区器是【ShufflePartitioner】。

public class ShufflePartitioner<T> extends StreamPartitioner<T> { private static final long serialVersionUID = 1L; private Random random = new Random(); // 重要 // 随机返回一个下游Channel,由于random.nextInt符合均匀分布,所以shuffle的数据分布也符合均匀分布 @Override public int selectChannel(SerializationDelegate<StreamRecord<T>> record) { return random.nextInt(numberOfChannels); } @Override public SubtaskStateMapper getDownstreamSubtaskStateMapper() { return SubtaskStateMapper.ROUND_ROBIN; } @Override public StreamPartitioner<T> copy() { return new ShufflePartitioner<T>(); } // ShufflePartitioner上下游Subtask之间没有明确对应关系 @Override public boolean isPointwise() { return false; } @Override public String toString() { return "SHUFFLE"; }}图例

GlobalPartitionerpublic DataStream<T> global() {return setConnectionType(new GlobalPartitioner<T>());}【Flink】详解Flink的八种分区(flink从入门到实战)

可以看到global对应的分区器是【GlobalPartitioner】。

public class GlobalPartitioner<T> extends StreamPartitioner<T> { private static final long serialVersionUID = 1L; // 数据永远发往下游第一个SubTask。 @Override public int selectChannel(SerializationDelegate<StreamRecord<T>> record) { return 0; } @Override public StreamPartitioner<T> copy() { return this; } // 恢复任务的时候将会恢复到第一个任务。 @Override public SubtaskStateMapper getDownstreamSubtaskStateMapper() { return SubtaskStateMapper.FIRST; } // ShufflePartitioner上下游Subtask之间没有明确对应关系 @Override public boolean isPointwise() { return false; } @Override public String toString() { return "GLOBAL"; }}图例

ForwardPartitionerpublic class ForwardPartitioner<T> extends StreamPartitioner<T> { private static final long serialVersionUID = 1L; // 还是发往下游第一个SubTask,不同的是这里的下游SubTask是在本地的。 @Override public int selectChannel(SerializationDelegate<StreamRecord<T>> record) { return 0; } public StreamPartitioner<T> copy() { return this; } // 上下游SubTask是一一对应的,如果上下游算子并行度不一致就会报错 @Override public boolean isPointwise() { return true; } @Override public String toString() { return "FORWARD"; } @Override public SubtaskStateMapper getDownstreamSubtaskStateMapper() { return SubtaskStateMapper.UNSUPPORTED; } @Override public SubtaskStateMapper getUpstreamSubtaskStateMapper() { return SubtaskStateMapper.UNSUPPORTED; }}

ForwardPartitioner在StreamGraph的addEdgeInternal方法中自动创建(生成StreamGraph的过程),代码片段如下所示:

// ...if (partitioner == null && upstreamNode.getParallelism() == downstreamNode.getParallelism()) { // 只有在上游和下游的并行度相同且没有指定相关分区器的时候,才会使用ForwardPartitioner partitioner = new ForwardPartitioner<Object>();} else if (partitioner == null) { // 否 则使用RebalancePartitioner partitioner = new RebalancePartitioner<Object>();}// 这里还会再次检测上游和下游的并行度是否一致// 防止用户强行指定使用ForwardPartitioner时候上下游的并行度不一致if (partitioner instanceof ForwardPartitioner) { if (upstreamNode.getParallelism() != downstreamNode.getParallelism()) { throw new UnsupportedOperationException( "Forward partitioning does not allow " + "change of parallelism. Upstream operation: " + upstreamNode + " parallelism: " + upstreamNode.getParallelism() + ", downstream operation: " + downstreamNode + " parallelism: " + downstreamNode.getParallelism() + " You must use another partitioning strategy, such as broadcast, rebalance, shuffle or global."); }}// ...

或者调用forward算子创建,这个方法基本不使用。

public DataStream<T> forward() { return setConnectionType(new ForwardPartitioner<T>());}图例

RebalancePartitionerpublic DataStream<T> rebalance() {return setConnectionType(new RebalancePartitioner<T>());}

可以看到rebalance对应的分区器是【RebalancePartitioner】。

public class RebalancePartitioner<T> extends StreamPartitioner<T> { private static final long serialVersionUID = 1L; // 记录要接受数据的下游Channel编号 private int nextChannelToSendTo; @Override public void setup(int numberOfChannels) { super.setup(numberOfChannels); nextChannelToSendTo = ThreadLocalRandom.current().nextInt(numberOfChannels); } // 采用取余的方式找出发送的下游channel @Override public int selectChannel(SerializationDelegate<StreamRecord<T>> record) { nextChannelToSendTo = (nextChannelToSendTo + 1) % numberOfChannels; return nextChannelToSendTo; } // 恢复的时候将保存数据轮询发送 @Override public SubtaskStateMapper getDownstreamSubtaskStateMapper() { return SubtaskStateMapper.ROUND_ROBIN; } public StreamPartitioner<T> copy() { return this; } // 上下游SubTask之间没有意义对应关系 @Override public boolean isPointwise() { return false; } @Override public String toString() { return "REBALANCE"; }}图例

RescalePartitionerpublic DataStream<T> rescale() {return setConnectionType(new RescalePartitioner<T>());}

可以看到rescale对应的分区器是【RescalePartitioner】。跟rebalance不同,例如上游并行度是2,下游是4,则上游一个并行度以循环的方式将记录输出到下游的两个并行度上;上游另一个并行度以循环的方式将记录输出到下游另两个并行度上。如果上游并行度是4,下游并行度是2,则上游两个并行度将记录输出到下游一个并行度上;上游另两个并行度将记录输出到下游另一个并行度上。(可以理解是一种负载均衡的轮询)

public class RescalePartitioner<T> extends StreamPartitioner<T> { private static final long serialVersionUID = 1L; private int nextChannelToSendTo = -1; // 采用的方式和rebalance一致,都是轮询的策略 @Override public int selectChannel(SerializationDelegate<StreamRecord<T>> record) { if (++nextChannelToSendTo >= numberOfChannels) { nextChannelToSendTo = 0; } return nextChannelToSendTo; } // 恢复的时候不支持扩缩容,因为原本的对应关系已经被破坏了 @Override public SubtaskStateMapper getDownstreamSubtaskStateMapper() { return SubtaskStateMapper.UNSUPPORTED; } // 恢复的时候不支持扩缩容,因为原本的对应关系已经被破坏了 @Override public SubtaskStateMapper getUpstreamSubtaskStateMapper() { return SubtaskStateMapper.UNSUPPORTED; } public StreamPartitioner<T> copy() { return this; } @Override public String toString() { return "RESCALE"; } // 这是有一一对应关系的分区方式 @Override public boolean isPointwise() { return true; }}图例

KeyGroupPartitionerpublic <K> KeyedStream<T, K> keyBy(KeySelector<T, K> key) {Preconditions.checkNotNull(key);return new KeyedStream<>(this, clean(key));}// 调用keyby返回一个KeyedStream// 在KeyedStream底层用一个PartitionTransformation包装了KeyGroupStreamPartitioner(键提取器,和默认最大键组数)// public KeyedStream( DataStream<T> dataStream, KeySelector<T, KEY> keySelector, TypeInformation<KEY> keyType) { this( dataStream, new PartitionTransformation<>( dataStream.getTransformation(), new KeyGroupStreamPartitioner<>( keySelector, StreamGraphGenerator.DEFAULT_LOWER_BOUND_MAX_PARALLELISM)), keySelector, keyType); }

以下是【KeyGroupStreamPartitioner】的源码分析

public class KeyGroupStreamPartitioner<T, K> extends StreamPartitioner<T> implements ConfigurableStreamPartitioner { private static final long serialVersionUID = 1L; private final KeySelector<T, K> keySelector; private int maxParallelism; @Override public int selectChannel(SerializationDelegate<StreamRecord<T>> record) { K key; try { // 通过keySelector获取键 key = keySelector.getKey(record.getInstance().getValue()); } catch (Exception e) { throw new RuntimeException( "Could not extract key from " + record.getInstance().getValue(), e); } // return KeyGroupRangeAssignment.assignKeyToParallelOperator( key, maxParallelism, numberOfChannels); } @Override public SubtaskStateMapper getDownstreamSubtaskStateMapper() { return SubtaskStateMapper.RANGE; } // 上下游SubTask没有一一对应关系 @Override public boolean isPointwise() { return false; } // 这里是检查是否配置了最大并行度(最大建组数),如果有配置则替代默认值 @Override public void configure(int maxParallelism) { KeyGroupRangeAssignment.checkParallelismPreconditions(maxParallelism); this.maxParallelism = maxParallelism; }}// 包装了一层检查一下键是否是null// key:键;// maxParallelis:支持的最大并行度,也就是键组的数量// parallelism:当前并行度public static int assignKeyToParallelOperator(Object key, int maxParallelism, int parallelism) {Preconditions.checkNotNull(key, "Assigned key must not be null!");return computeOperatorIndexForKeyGroup(maxParallelism, parallelism, assignToKeyGroup(key, maxParallelism));}// 分配键组// key:键;// maxParallelis:支持的最大并行度,也就是键组的数量public static int assignToKeyGroup(Object key, int maxParallelism) { Preconditions.checkNotNull(key, "Assigned key must not be null!");return computeKeyGroupForKeyHash(key.hashCode(), maxParallelism);}// 通过键组ID*当前并行度/最大键组数量默认128来分配数据流向的channel// maxParallelis:支持的最大并行度,也就是键组的数量// parallelism:当前并行度// keyGroupId:键组IDpublic static int computeOperatorIndexForKeyGroup(int maxParallelism, int parallelism, int keyGroupId) {return keyGroupId * parallelism / maxParallelism;}图例

Flink如何使用分区器

Flink通过RecordWriter向下游写入输入。RecordWriter通过RecordWriterBuilder创建。

public RecordWriter<T> build(ResultPartitionWriter writer) { if (selector.isBroadcast()) { return new BroadcastRecordWriter<>(writer, timeout, taskName); } else { return new ChannelSelectorRecordWriter<>(writer, selector, timeout, taskName); }}

在build方法中会调用【selector】的isBroadcast方法,如果是广播类型,则创建【BroadcastRecordWriter】对象来写数据,否则创建【ChannelSelectorRecordWriter】对象来写数据。

以下是【BroadcastRecordWriter】对象的源码分析:

public final class BroadcastRecordWriter<T extends IOReadableWritable> extends RecordWriter<T> {broadcastEmit方法 // writer都是调用emit方法,在BroadcastRecordWriter中进行了包装,实质调用的是broadcastEmit方法 @Override public void emit(T record) throws IOException { broadcastEmit(record); } @Override public void broadcastEmit(T record) throws IOException { // 检查 checkErroneous();// 先使用序列化器将数据序列化,然后进行广播 targetPartition.broadcastRecord(serializeRecord(serializer, record)); if (flushAlways) { flushAll(); } }}

以下是【ChannelSelectorRecordWriter】对象源码分析:

public final class ChannelSelectorRecordWriter<T extends IOReadableWritable> extends RecordWriter<T> { private final ChannelSelector<T> channelSelector; @Override public void emit(T record) throws IOException { // 分区器根据当前记录计算出下游Subtask的索引,然后发送 emit(record, channelSelector.selectChannel(record)); } protected void emit(T record, int targetSubpartition) throws IOException { checkErroneous(); // 先进行序列化操作 // targetSubpartition就是上一步中分区器计算的SubTask索引 targetPartition.emitRecord(serializeRecord(serializer, record), targetSubpartition); if (flushAlways) { targetPartition.flush(targetSubpartition); } }}总结Flink本身提供了多种分区API,在底层使用的都是分区器,Flink一般提供了7种分区器;按键分区本质上是按键组分区,通过分配键组的方式分配键;rescale(本地轮流分配)和rebalance(轮流分配)有区别,前者考虑了TM之间数据传输的问题,可以理解是一种软负载均衡的轮询;往期回顾【Flink】浅谈Flink背压问题(1)【分布式】浅谈CAP、BASE理论(1)

文中难免会出现一些描述不当之处(尽管我已反复检查多次),欢迎在留言区指正,列表相关的知识点也可进行分享。

本文链接地址:https://www.jiuchutong.com/zhishi/299832.html 转载请保留说明!

上一篇:【Node.js实战】一文带你开发博客项目之登录(前置知识)(node js教程)

下一篇:C#,图像二值化(01)——二值化算法综述与二十三种算法目录(c++图像二值化)

  • 电脑蓝牙怎么改名字(电脑蓝牙怎么用)(电脑怎么开蓝牙)

    电脑蓝牙怎么改名字(电脑蓝牙怎么用)(电脑怎么开蓝牙)

  • 抖音怎么置顶作品(抖音如何置顶作品)

    抖音怎么置顶作品(抖音如何置顶作品)

  • oppo R15手机怎么截长图(oppor15手机怎么录屏)

    oppo R15手机怎么截长图(oppor15手机怎么录屏)

  • 红米k30pro充电器是多少瓦(红米k30Pro充电器型号)

    红米k30pro充电器是多少瓦(红米k30Pro充电器型号)

  • 手机屏幕有个圆圈怎样去掉(手机屏幕有个圆圈怎么去掉)

    手机屏幕有个圆圈怎样去掉(手机屏幕有个圆圈怎么去掉)

  • 怎么查看小爱同学版本(怎么查看小爱同学闹钟播放歌曲)

    怎么查看小爱同学版本(怎么查看小爱同学闹钟播放歌曲)

  • 拼多多砍价必须是微信好友吗(拼多多砍价必须购买砍价商品吗)

    拼多多砍价必须是微信好友吗(拼多多砍价必须购买砍价商品吗)

  • 苹果11夜间掉电厉害(苹果夜间掉电原因)

    苹果11夜间掉电厉害(苹果夜间掉电原因)

  • 苹果se2防水到什么程度(苹果 iphone se2防水)

    苹果se2防水到什么程度(苹果 iphone se2防水)

  • 一个人可以有几个qq号(一个人可以有几个手机号)

    一个人可以有几个qq号(一个人可以有几个手机号)

  • qq悄悄话为什么没了(qq悄悄话为什么下架了)

    qq悄悄话为什么没了(qq悄悄话为什么下架了)

  • 耳机听微信语音特别大声(耳机听微信语音外放)

    耳机听微信语音特别大声(耳机听微信语音外放)

  • 抖音卸载后重新安装登录后有什么影响(抖音卸载后重新下载草稿为什么都没了)

    抖音卸载后重新安装登录后有什么影响(抖音卸载后重新下载草稿为什么都没了)

  • 无线耳机充电仓不亮了(无线耳机充电仓进水了怎么办)

    无线耳机充电仓不亮了(无线耳机充电仓进水了怎么办)

  • 苹果X摔一下出现绿色一条(苹果x手机摔了一道)

    苹果X摔一下出现绿色一条(苹果x手机摔了一道)

  • 微博如何取消水印(微博如何取消水印保存)

    微博如何取消水印(微博如何取消水印保存)

  • 无id锁什么意思(什么是无id锁)

    无id锁什么意思(什么是无id锁)

  • 繁星管理怎么自己取消(繁星管理怎么禁言)

    繁星管理怎么自己取消(繁星管理怎么禁言)

  • 淘宝人生人物的眼镜怎么摘(淘宝 人生)

    淘宝人生人物的眼镜怎么摘(淘宝 人生)

  • 手机无法获取root权限怎么办(手机无法获取摄像头数据怎么办)

    手机无法获取root权限怎么办(手机无法获取摄像头数据怎么办)

  • 京东怎么退货(京东怎么退货给商家寄回去)

    京东怎么退货(京东怎么退货给商家寄回去)

  • 大摇大摆的近义词(大摇大摆的近义词ABAC)

    大摇大摆的近义词(大摇大摆的近义词ABAC)

  • ios13信号差解决办法(ios13.3信号不好)

    ios13信号差解决办法(ios13.3信号不好)

  • launchpd.exe是什么进程 有什么用 launchpd进程查询(launcher.exe什么意思)

    launchpd.exe是什么进程 有什么用 launchpd进程查询(launcher.exe什么意思)

  • 税中税是多少
  • 房地产企业销售现房是否预缴增值税
  • 增值税发票有
  • 企业一般纳税人是什么意思
  • 质量赔偿款计入什么会计科目
  • 个体工商户可以给自己交五险一金吗
  • 招待客人的住宿费能抵扣吗?
  • 填第二季度的利润总额怎么填
  • 小规模纳税人普票收入会计分录
  • 金银首饰在哪个平台买比较好
  • 土地增值税扣除系数
  • 年末本年利润结转未分配利润
  • 政府补助结转是什么科目
  • 收到政府中小企业发票
  • 专票入账用哪一联
  • 转让财产收入计入哪个科目
  • 别人借用我的pos刷卡套现谁承担
  • 支付短期借款计入什么科目
  • 租车租赁费税率是多少
  • 适用简易计税方法的口诀
  • 旅游业差额开票税率
  • 开发票时含税和不含税是什么意思?
  • 公司商品质量问题导致员工与公司一起被起诉了怎么办
  • 小规模税控盘服务费怎么填增值税申报表
  • 2020年开公司优惠政策
  • 报销差旅费如何报税
  • MAC系统如何卸载重装安装W7系统
  • 如何查看电脑的型号和配置
  • 汇算清缴专项附加扣除去年忘记填的能补填吗?
  • 股权转让的会计凭证
  • 负债的情况
  • 一次性收取的房租需要按月纳增值税吗
  • 怎么找回windows图片查看器
  • 开机后网络连接很慢
  • 无法访问windows installer服务,没有正确安装
  • 分享下会画画是怎样的体验
  • 新电商行业
  • executor进程
  • 瑞芯微 8nm
  • 软件开发中的业务一般指什么
  • 工程资金占用费的法律依据
  • 今天端午节是几月几号啊
  • 货物发生非正常损失为什么要做j进项转出
  • 小企业会计准则财务报表至少包括
  • img标签怎么写
  • 解决城市内涝的题目
  • php怎么将数据库中的数据显示出来
  • php如何连接sql server
  • 当月没有生产情况正常吗
  • 承租方的物品如何处理
  • 研发支出资本化支出属于什么科目
  • 未确认融资费用报表填在哪个科目
  • 合伙企业个人所得税税率表
  • 发票记账联可以给客户吗
  • percona-toolkit之pt-kill 杀掉mysql查询或连接的方法
  • 一般纳税人也会被税吗
  • 福利费可以抵扣所得税吗
  • 非流动资产处置损失计入什么科目
  • 车间装修预算表
  • 为什么固定资产减值准备一经计提不得转回
  • 核定征收无收入
  • 建筑企业预缴税
  • 出差在火车上算上班吗
  • 承兑汇票兑现账户是什么
  • 会计处理的相关知识点
  • 私企银行有哪几家
  • 短期投资怎么记账
  • ubuntu调出命令行
  • 电脑删除ie后怎么恢复
  • win10系统升级后c盘满了
  • win8系统切换桌面
  • nodejs实战教程
  • javascript基础编程
  • [android] android开发中常用的Eclipse快捷键
  • 批处理设置dns
  • 无序列表html
  • js实现拖拽功能
  • 广东税务APP实名可以注册两个吗?
  • 增值税电子普通发票可以抵扣吗
  • 怎样打印护士资格证
  • 免责声明:网站部分图片文字素材来源于网络,如有侵权,请及时告知,我们会第一时间删除,谢谢! 邮箱:opceo@qq.com

    鄂ICP备2023003026号

    网站地图: 企业信息 工商信息 财税知识 网络常识 编程技术

    友情链接: 武汉网站建设