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)

  • 小米civi支持内存卡吗(小米civi详细配置)

    小米civi支持内存卡吗(小米civi详细配置)

  • 微信怎么开电子发票(微信怎么开电子发票步骤)

    微信怎么开电子发票(微信怎么开电子发票步骤)

  • vivo S9使用的是什么GPU(vivo s9使用心得)

    vivo S9使用的是什么GPU(vivo s9使用心得)

  • 华为mate30pro防蓝光吗(华为mate30蓝线怎么关)

    华为mate30pro防蓝光吗(华为mate30蓝线怎么关)

  • 苹果此时无法下载应用(苹果此时无法下载高德地图怎么回事)

    苹果此时无法下载应用(苹果此时无法下载高德地图怎么回事)

  • 小米5屏幕是lcd吗(小米5屏幕是oled吗)

    小米5屏幕是lcd吗(小米5屏幕是oled吗)

  • 小米bn45电池是小米几(小米电池bn43)

    小米bn45电池是小米几(小米电池bn43)

  • 手机贴不贴膜有区别吗(手机贴不贴膜有什么关系吗)

    手机贴不贴膜有区别吗(手机贴不贴膜有什么关系吗)

  • 微信个性签名不显示怎么办(微信个性签名不显示怎么回事)

    微信个性签名不显示怎么办(微信个性签名不显示怎么回事)

  • iqooneo中文怎么读(iqooneo5怎么设置中文)

    iqooneo中文怎么读(iqooneo5怎么设置中文)

  • 魅族m792q-l什么型号(魅族m793q是什么机型)

    魅族m792q-l什么型号(魅族m793q是什么机型)

  • 华为p30要不要升级10系统

    华为p30要不要升级10系统

  • 快手商家号认证费可以退吗(快手商家号认证需要花钱吗)

    快手商家号认证费可以退吗(快手商家号认证需要花钱吗)

  • 华为手机上显示hd是什么意思,(华为手机上显示电话标志斜杠)

    华为手机上显示hd是什么意思,(华为手机上显示电话标志斜杠)

  • cpu首要任务是什么(cpu的首要任务是什么)

    cpu首要任务是什么(cpu的首要任务是什么)

  • ipad坏了怎么办(ipad被停用了之后怎么办)

    ipad坏了怎么办(ipad被停用了之后怎么办)

  • 戴尔笔记本电脑输入法怎么设置(戴尔笔记本电脑连不上wifi怎么解决)

    戴尔笔记本电脑输入法怎么设置(戴尔笔记本电脑连不上wifi怎么解决)

  • ios账户设置在哪里(apple的账户设置在哪)

    ios账户设置在哪里(apple的账户设置在哪)

  • 申请了收款码怎么取消(申请收款码怎么申请)

    申请了收款码怎么取消(申请收款码怎么申请)

  • 抖音如何设置禁止转载(抖音如何设置禁止下载视频)

    抖音如何设置禁止转载(抖音如何设置禁止下载视频)

  • nova3怎么调闪充(nova3 快充)

    nova3怎么调闪充(nova3 快充)

  • realmex有耳机孔吗(realmev15耳机孔)

    realmex有耳机孔吗(realmev15耳机孔)

  • 系统备份的文件在哪里(系统备份的文件能移动吗)

    系统备份的文件在哪里(系统备份的文件能移动吗)

  • 如何查询淘金币即将过期(怎么查淘金币)

    如何查询淘金币即将过期(怎么查淘金币)

  • 小米风扇怎么连米家(小米风扇怎么连接wifi那里闪灯)

    小米风扇怎么连米家(小米风扇怎么连接wifi那里闪灯)

  • 手机浏览器地址栏在哪里(手机浏览器地址栏不见了)

    手机浏览器地址栏在哪里(手机浏览器地址栏不见了)

  • 可抵扣暂时性差异是指在确定未来收回资产
  • 电子税务局能查到个税申报信息吗
  • 老板住酒店的住宿费发票入什么会计科目
  • 产品成本计算的基本方法和辅助方法的划分标准是
  • 城建税 小规模
  • 投资性房地产的初始计量
  • 购进用于研发的国产设备进项税可以抵扣吗
  • 固定资产核算的心得体会
  • 房屋租赁个人所得税缴纳标准是多少
  • 账目不清什么意思
  • 个人开利息发票的税率与会计分录
  • 公司临时聘用人员法规
  • 管理服务费入什么科目
  • 收到差额纳税的发票进项税能抵扣吗
  • 通发票备注栏写什么内容
  • 会议案例分析题及答案
  • 小规模纳税人开了3%的专票还能享受1%
  • 生产企业出口货物必须以什么为计税依据计算免抵退税额
  • 财务兼职怎么算工资
  • 税务稽查可以不罚款的情形
  • 进口货物账务处理外币
  • 贴息收据税前扣除是什么
  • 信息化投入费用包括哪些
  • 工程服务的采购合同范本
  • 银行承兑汇票质押率90%
  • 智能路由器哪个牌子好
  • 厂家赠送的原材料怎么入账
  • 私营公司股权转让
  • 前端页面默认字体
  • uniapp使用高德猎鹰服务
  • 哥德堡的港口
  • 应纳所得税额税率表
  • php+mysql+ajax实现单表多字段多关键词查询的方法
  • php plates
  • php过滤字符
  • 汇编语言a命令怎么用
  • switch关键账号教程
  • 学习笔记——Django项目的删除数据、查询数据(filter、get、exclude)
  • 专用发票必须按照销售方开户行及账号付款吗
  • 财政拨款事业单位的办公用车免征车船税吗
  • 关联方占用资金应对措施
  • 增值税包括哪三种类型
  • 联营企业属于关联实体吗
  • sql server 2008 新建数据库
  • 未投入使用的固定资产折旧计入什么科目
  • 递延所得税的会计核算
  • 实际报销金额
  • 期末留抵的进项税可以计入成本吗
  • 资金账簿印花税减半政策
  • 商品促销赠品如何分类
  • 更新改造过程中的固定资产需要计提折旧吗
  • 房地产企业销售现房是否预缴增值税
  • 商业汇票的会计科目是什么
  • 税局代开的法律顾问费能否抵扣?
  • 单利率和复利率公式
  • 承兑个人贴现如何操作
  • 利息收入和利息费用是一个科目吗
  • 连锁药店之间调拨药品
  • 实收资本是什么公司
  • 借款利息怎么记账
  • 新会计准则捐赠收入
  • xp软件自动启动
  • vi编辑器是干什么的
  • win8怎么打开系统设置
  • centos6启动服务的命令
  • win1021h2版本千万别更新
  • windows鼠标失灵怎么办
  • 如何刷硬盘使用时间
  • unity2d横版游戏源码
  • 搞定immutable.js详细说明
  • python爬虫入门教程
  • perl写文件
  • career和calling的区别
  • javascript绘制图形
  • unity安装进度条不动
  • jquery的dialog
  • 税务解除非正常户罚款多少
  • 国家税务局文件查询
  • 成都交通官网限号查询系统
  • 纳税服务存在的不足之处
  • 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