从代码层面说算子链断链的方式

本文链接：https://blog.csdn.net/goTsHgo/article/details/142123378

在 Flink 中，算子链（operator chaining）是一种优化技术，用来将多个连续的算子（operators）合并成一个任务（task），从而减少数据在不同任务之间的传输开销，提升性能。然而，有时候我们可能需要在某些特定的场景中手动断链，即让算子之间不合并在一起，以实现更好的资源控制或逻辑隔离。

从代码层面来看，Flink 提供了几种方式来控制算子链的行为，以下是几种常用的断链方式：

1. `disableChaining()`

作用：完全禁止当前算子的链式操作，即该算子不会与上游或下游算子合并在一个任务中。
使用场景：当需要确保某个算子必须独立执行，或其计算逻辑需要较多资源时，可以使用 disableChaining() 进行断链。

代码示例：

stream.map(value -> process(value))
      .disableChaining();

效果：使用 disableChaining() 后，map() 操作将会独立执行，不能与其他算子合并在一个链中。

2. `startNewChain()`

作用：强制从当前算子开始创建一个新的算子链，但不影响后续算子的链式操作。也就是说，它不会影响下游算子之间的链式优化，只会从当前算子开始断链。
使用场景：当你希望某个算子和上游算子分离，但允许其与下游算子继续链式合并时，可以使用 startNewChain()。
代码示例：
```
stream.filter(value -> filterCondition(value))
      .startNewChain()
      .map(value -> process(value));
```
效果：filter() 操作将和上游算子断链，但 filter() 后面的 map() 操作仍可能与下游合并。

3. `setParallelism()`

作用：设置算子的并行度。当上下游算子的并行度不同时，Flink 默认会强制断链。不同并行度的算子不能在同一个任务中执行。
使用场景：当希望对算子的并行度进行精细化控制时，setParallelism() 可以用于影响算子链的行为。

代码示例：

stream.map(value -> process(value))
      .setParallelism(2);  // 设置并行度为2

效果：如果上游算子的并行度与 map() 不同，Flink 将会自动断链。

4. `rebalance()`、`rescale()` 和 `broadcast()` 等算子

作用：这些操作会引入数据重分发，导致上游和下游算子之间的数据分区方式发生变化，强制断链。因为数据分发模式不同，无法合并在同一个任务中。
使用场景：当需要在上下游之间引入重分发策略，比如数据重平衡或广播，算子链会自动断开。

代码示例：

stream.map(value -> process(value))
      .rebalance()  // 数据重平衡，断链
      .map(value -> anotherProcess(value));

效果：rebalance() 操作强制将 map() 前后的算子分隔在不同的任务中执行。

5. Keyed Stream 或 Window Operations

作用：对于 keyBy() 和 window() 等操作，Flink 会在内部强制进行分区，因此算子链会在这些算子之后自动断开。
使用场景：在进行基于键的分组（keyed operations）或窗口操作时，Flink 会默认断链。

代码示例：

stream.keyBy(value -> value.getKey())
      .map(value -> process(value));

效果：keyBy() 操作后，算子链将自动断开，后续的 map() 将不会与上游算子合并。

6. slotSharingGroup()

作用：slotSharingGroup(String) 的主要作用是将算子分配到指定的**资源组（slot sharing group）**中。Flink 的默认行为是，所有算子共享同一个 slot sharing group，即它们可以共享同一个 slot（任务槽），从而节省资源。然而，如果我们希望不同的算子使用不同的资源组，从而避免资源争用或隔离计算负载，可以通过 slotSharingGroup 来指定算子属于哪个共享组。
使用场景：当某些算子需要较高的资源或执行较复杂的逻辑时，可能希望将它们与其他轻量级算子隔离开来，避免干扰。比如某些窗口操作、聚合操作可能消耗大量内存和计算资源，此时可以为其分配独立的 slot sharing group。可以优化并行度与资源利用率和避免背压扩散。

代码示例：

// 定义两个数据流
DataStream<String> stream1 = env.fromElements("a", "b", "c");
DataStream<String> stream2 = env.fromElements("1", "2", "3");
 
// 给第一个算子链设置 slotSharingGroup
stream1.map(value -> value.toUpperCase())
       .slotSharingGroup("group1")
       .filter(value -> value.startsWith("A"))
       .slotSharingGroup("group1");
 
// 给第二个算子链设置不同的 slotSharingGroup
stream2.map(value -> value + "X")
       .slotSharingGroup("group2")
       .filter(value -> value.endsWith("X"))
       .slotSharingGroup("group2");
 
// 汇聚两个流并继续处理
stream1.union(stream2)
       .map(value -> "Processed: " + value)
       .slotSharingGroup("group3");
 
env.execute();

效果：在上面的示例中，stream1 的算子被分配到了 "group1"，stream2 的算子被分配到了 "group2"，两者之间的算子不会共享相同的 slot，从而实现了资源隔离。最后，通过 union() 操作将两个流合并并设置为 "group3"，合并后的流将使用一个新的共享组。可以优化资源分配和减少资源争用和背压传播。

7. 全局性设置 `disableOperatorChaining()

作用：这个方法可以在执行环境级别调用，对该执行环境下的所有任务禁用算子链。
使用场景：适用于你希望在整个作业级别优化任务调度或者管理时进行算子分离。

代码示例：

 StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
  env.disableOperatorChaining();

效果：调用 env.disableOperatorChaining() 会全局禁用算子链式合并，确保每个算子都以独立的任务形式运行。适合调试和性能优化，但会带来一定的性能开销。

8. `chainWith`()

作用：chainWith() 的主要作用是显式地将当前算子与前面的算子链合并。通常情况下，Flink 会自动决定哪些算子可以链式合并，但有时候这种自动行为可能不是最优的。chainWith() 允许开发者手动指定某个算子应与前一个算子合并到同一个链中，从而优化任务的执行计划。
使用场景：当 Flink 的默认算子链合并策略不够高效时，可以使用 chainWith() 来手动调整链合并策略。可以用来减少任务数量、资源管理和性能调优。

代码示例：

        stream = env.fromElements("one", "two", "three", "four");

        // 第一个 map 操作
        DataStream<String> mapStream = stream.map(value -> {
            System.out.println("Map 1: " + value);
            return value.toUpperCase();
        });

        // 假设有 chainWith() 方法，将下一个 map 合并到前面的链中
        DataStream<String> chainedStream = mapStream
                // 显式将当前操作与前一个 map 合并
                .map(value -> {
                    System.out.println("Map 2 (chained): " + value);
                    return "Processed: " + value;
                }) // .chainWith(mapStream);  // 假设有这样一个方法

                .filter(value -> value.startsWith("P"));

        // 执行作业
        env.execute("Chain With Example");