南通免费网站建设,做侵权网站用哪里的服务器,开发公司注册资金要求,网站建设意义Flink之Partitioner(分区规则)
方法注释global()全部发往1个taskbroadcast()广播(前面的文章讲解过,这里不做阐述)forward()上下游并行度一致时一对一发送,和同一个算子连中算子的OneToOne是一回事shuffle()随机分配(只是随机,同Spark的shuffle不同)rebalance()轮询分配,默认机…Flink之Partitioner(分区规则)
方法注释global()全部发往1个taskbroadcast()广播(前面的文章讲解过,这里不做阐述)forward()上下游并行度一致时一对一发送,和同一个算子连中算子的OneToOne是一回事shuffle()随机分配(只是随机,同Spark的shuffle不同)rebalance()轮询分配,默认机制就是rebalance()recale()一般是下游task是上游task的并行度的倍数时,在生成job时,会将下游中的某几个subtask和上游的某个subtask绑成一组,然后在组内上游subtask以轮询的方式将数据发送给下游的subtask.partitionCustom自定义分区器(这里不做演示,后续会单独写一个自定义分区器的内容)keyBy()根据数据key的HashCode进行Hash分配 global global在实际业务场景中使用的不是很多,一般都是需要全局数据汇总的时候才会用到.global就是将上游的数据全部发往下游的第一个subtask中,也就是说下游设置再多的并行度是没意义的,所以使用global的时候,下游的task的并行度都是1. 这里结合代码看一下: public class FlinkPartitioner {public static void main(String[] args) throws Exception {Configuration conf new Configuration();conf.setInteger(rest.port, 8081);// 开启本地WebUI,构建流环境StreamExecutionEnvironment env StreamExecutionEnvironment.createLocalEnvironmentWithWebUI(conf);// 添加数据源,SocketDataStreamSourceString sourceStream env.socketTextStream(localhost, 9999);// 转大写,设置并行度为3,且设置数据分区方式为globalDataStreamString upperCaseMapStream sourceStream.map(s - s.toUpperCase()).setParallelism(3).global();// 切分字符串,设置并行度为1SingleOutputStreamOperatorString splitFlatMapStream upperCaseMapStream.flatMap(new FlatMapFunctionString, String() {Overridepublic void flatMap(String value, CollectorString out) throws Exception {String[] split value.split(,);for (String s : split) {out.collect(s);}}}).setParallelism(1);//......env.execute(Flink Partitioner);}
}WebUI界面查看代码中upperCaseMapStream和splitFlatMapStream之间数据的发送方式 forward forward其实就是一对一发送数据,和之前讲解Task的文章中提到的算子之间OneToOne的模式是一样的,就是可以将forward理解为同一个task chain[算子链]中算子之间的数据传输方式,但是使用forward的前提是上下游的算子并行度是一致的也就是上下游的subtask数量保持一致,图解如下: 代码内容如下: public class FlinkPartitioner {public static void main(String[] args) throws Exception {Configuration conf new Configuration();conf.setInteger(rest.port, 8081);// 开启本地WebUI,构建流环境StreamExecutionEnvironment env StreamExecutionEnvironment.createLocalEnvironmentWithWebUI(conf);// 添加数据源,SocketDataStreamSourceString sourceStream env.socketTextStream(localhost, 9999);// 转大写,设置为forward分区方式DataStreamString upperCaseMapStream sourceStream.map(s - s.toUpperCase()).setParallelism(3).forward();// 切分字符串SingleOutputStreamOperatorString splitFlatMapStream upperCaseMapStream.flatMap(new FlatMapFunctionString, String() {Overridepublic void flatMap(String value, CollectorString out) throws Exception {String[] split value.split(,);for (String s : split) {out.collect(s);}}}).setParallelism(3).startNewChain(); // 这里加上.startNewChain是为了在WebUI能看到效果,因为upperCaseMapStream和splitFlatMapStream的并行度是一致的,不加startNewChain默认的机制会将两者划分到同一个算子链中,就看不到实际的效果了.// ...env.execute(Flink Partitioner);}
}WebUI界面查看upperCaseMapStream和splitFlatMapStream的数据发送方式,如下: shuffle 通过前面WebUI的图片我们可以看到,从Socket数据源将数据发送到第一个map的时候使用的是默认的rebalance方式,也就是轮询发送的方式,而这里说的shuffle虽然也是一对多的发送方式,但是发送数据时是随机的,举个例子,上游有3个subtask,下游有5个subtask,数据源有5条数据,上游中的某一个subtask向下游发送数据时,是随机发送的,下游的5个subtask并不是每个都一定能接受到数据,可能有的接收到1条,有的接收到2条,有的接收到3条数据,这就是shuffle发送数据的方式. 如果说上两个operator并行度一致,上游选择了shuffle发送数据的方式,那么两个operator会绑定成一个task chain么?不会,因为shuffle的数据发送方式就已经导致两个operator不是OneToOne的模式了. 代码示例: public class FlinkPartitioner {public static void main(String[] args) throws Exception {Configuration conf new Configuration();conf.setInteger(rest.port, 8081);// 开启本地WebUI,构建流环境StreamExecutionEnvironment env StreamExecutionEnvironment.createLocalEnvironmentWithWebUI(conf);// 添加数据源,SocketDataStreamSourceString sourceStream env.socketTextStream(localhost, 9999);// 转大写,设置为shuffle分区方式DataStreamString upperCaseMapStream sourceStream.map(s - s.toUpperCase()).setParallelism(3).shuffle();// 切分字符串SingleOutputStreamOperatorString splitFlatMapStream upperCaseMapStream.flatMap(new FlatMapFunctionString, String() {Overridepublic void flatMap(String value, CollectorString out) throws Exception {String[] split value.split(,);for (String s : split) {out.collect(s);}}}).setParallelism(7)// ...env.execute(Flink Partitioner);}
}WebUI界面查看upperCaseMapStream和splitFlatMapStream的数据发送方式,如下: Rebalance rebalance就是Flink默认的数据分发机制,直白的讲就是给每个小朋友一人一块糖果,直到发完为止,不偏不倚,这个不细说了,没什么可讲的. recale 关于recale前面说到了是组内的方式进行轮询分发数据,这里就以图解的方式进行讲解,便于理解. Flink任务启动时,如果发现上下游中使用了recale分发数据的方式就会将上下游的subtask进行分组绑定,如上游有2个subtask,下游有四个subtask,就会将上游的一个subtask和下游的两个subtask进行绑定,如下图: 当上下游对应的subtask分组后,上下游组内的subtak就会以组内轮询的方式发送数据,如下图: keyBy keyBy使用的HASH分区方式,实际是hashCode() murmurHash()的组合方式,这个在源码的KeyGroupRangeAssignment类中是可以看到的,简单来说根据key的hash值模除以下游的最大并行度(return MathUtils.murmurHash(keyHash) % maxParallelism;). 关于keyBy的使用应该都很熟悉了,这里直接给大家看演示结果吧,如下图:
以上就是对Flink中分区规则的讲解.
