flink优化专题-06-FlinkSQL 调优

1、设置空闲状态保留时间

Flink SQL 新手有可能犯的错误,其中之一就是忘记设置空闲状态保留时间导致状态爆

炸。列举两个场景:

➢ FlinkSQL 的 regular join(inner、left、right),左右表的数据都会一直保存在

状态里,不会清理!要么设置 TTL,要么使用 FlinkSQL 的 interval join。

➢ 使用 Top-N 语法进行去重,重复数据的出现一般都位于特定区间内(例如一小时

或一天内),过了这段时间之后,对应的状态就不再需要了。

Flink SQL 可以指定空闲状态(即未更新的状态)被保留的最小时间,当状态中某个 key

对应的状态未更新的时间达到阈值时,该条状态被自动清理:

#API 指定

tableEnv.getConfig().setIdleStateRetention(Duration.ofHours(1));

#参数指定

Configuration configuration = tableEnv.getConfig().getConfiguration();

configuration.setString("table.exec.state.ttl", "1 h");

2、开启 MiniBatch

MiniBatch 是微批处理,原理是缓存一定的数据后再触发处理,以减少对 State 的访问, 从而提升吞吐并减少数

据的输出量。MiniBatch 主要依靠在每个 Task 上注册的 Timer 线程 来触发微批,需要消耗一定的线程调度性能。

MiniBatch 默认关闭,开启方式如下:

// 初始化 table environment 
TableEnvironment tEnv = ... 
// 获取 tableEnv 的配置对象 
Configuration configuration = tEnv.getConfig().getConfiguration(); 
// 设置参数:
// 开启 miniBatch 
configuration.setString("table.exec.mini-batch.enabled", "true"); 
// 批量输出的间隔时间 
configuration.setString("table.exec.mini-batch.allow-latency", "5 s"); 
// 防止 OOM 设置每个批次最多缓存数据的条数,可以设为 2 万条 
configuration.setString("table.exec.mini-batch.size", "20000");

适用场景

微批处理通过增加延迟换取高吞吐,如果有超低延迟的要求,不建议开启微批处理。通 常对于聚合的场景,微批

处理可以显著的提升系统性能,建议开启。

注意事项:

1)目前,key-value 配置项仅被 Blink planner 支持。

2)1.12 之前的版本有 bug,开启 miniBatch,不会清理过期状态,也就是说如果设置 状态的 TTL,无法清理

过期状态。1.12 版本才修复这个问题。

参考 ISSUE:[FLINK-17096] Mini-batch group aggregation doesn't expire state even if state ttl is enabled - ASF JIRA

3、开启 LocalGlobal

3.1 原理概述

LocalGlobal 优 化 将 原 先 的 Aggregate 分 成 Local+Global 两 阶 段 聚 合 , 即 MapReduce 模型中的

Combine+Reduce 处理模式。第一阶段在上游节点本地攒一批数据 进行聚合(localAgg),并输出这次微批的增

量值(Accumulator)。第二阶段再将收到 的 Accumulator 合并(Merge),得到最终的结果(GlobalAgg)。

LocalGlobal 本质上能够靠 LocalAgg 的聚合筛除部分倾斜数据,从而降低 GlobalAgg 的热点,提升性能。结

合下图理解 LocalGlobal 如何解决数据倾斜的问题。

由上图可知:

⚫ 未开启 LocalGlobal 优化,由于流中的数据倾斜,Key 为红色的聚合算子实例需要处理 更多的记录,这就导致

了热点问题。

⚫ 开启 LocalGlobal 优化后,先进行本地聚合,再进行全局聚合。可大大减少 GlobalAgg 的热点,提高性能。

LocalGlobal 开启方式:

1)LocalGlobal 优化需要先开启 MiniBatch,依赖于MiniBatch 的参数。

2)table.optimizer.agg-phase-strategy: 聚合策略。默认 AUTO,支持参数 AUTOTWO_PHASE(使用

LocalGlobal 两阶段聚合)、ONE_PHASE(仅使用 Global 一阶段聚合)。

// 初始化 table environment 
TableEnvironment tEnv = ... 
// 获取 tableEnv 的配置对象 
Configuration configuration = tEnv.getConfig().getConfiguration(); 
// 设置参数: 
// 开启 miniBatch 
configuration.setString("table.exec.mini-batch.enabled", "true");
// 批量输出的间隔时间 
configuration.setString("table.exec.mini-batch.allow-latency", "5 s"); 
// 防止 OOM 设置每个批次最多缓存数据的条数,可以设为 2 万条 
configuration.setString("table.exec.mini-batch.size", "20000"); 
// 开启 LocalGlobal 
configuration.setString("table.optimizer.agg-phase-strategy", "TWO_PHASE");

注意事项:

1)需要先开启 MiniBatch

2)开启 LocalGlobal 需要 UDAF 实现 Merge 方法

3.2 提交案例:统计每天每个 mid 出现次数

bin/flink run \ 
-t yarn-per-job \ 
-d \ 
-p 5 \ 
-Drest.flamegraph.enabled=true \ 
-Dyarn.application.queue=test \ 
-Djobmanager.memory.process.size=1024mb \ 
-Dtaskmanager.memory.process.size=2048mb \ 
-Dtaskmanager.numberOfTaskSlots=2 \ 
-c com.atguigu.flink.tuning.SqlDemo \ 
/opt/module/flink-1.13.1/myjar/flink-tuning-1.0-SNAPSHOT.jar \
--demo count

3.3 提交案例:开启 miniBatch 和 LocalGlobal

bin/flink run \
-t yarn-per-job \ 
-d \ 
-p 5 \ 
-Drest.flamegraph.enabled=true \ 
-Dyarn.application.queue=test \ 
-Djobmanager.memory.process.size=1024mb \ 
-Dtaskmanager.memory.process.size=2048mb \ 
-Dtaskmanager.numberOfTaskSlots=2 \ 
-c com.atguigu.flink.tuning.SqlDemo \ 
/opt/module/flink-1.13.1/myjar/flink-tuning-1.0-SNAPSHOT.jar \ 
--demo count \ 
--minibatch true \ 
--local-global true

4 开启 Split Distinct

LocalGlobal 优化针对普通聚合(例如 SUM、COUNT、MAX、MIN 和 AVG)有较好的效果,对于 DISTINCT 的聚

合(如 COUNT DISTINCT)收效不明显,因为 COUNT DISTINCT 在 Local 聚合时,对于 DISTINCT KEY 的去重率

不高,导致在 Global 节点仍然存在热点。

4.1 原理概述

之前,为了解决 COUNT DISTINCT 的热点问题,通常需要手动改写为两层聚合(增加按 Distinct Key 取模的打散层)。

从 Flink1.9.0 版 本 开 始 , 提 供 了 COUNT DISTINCT 自 动 打 散 功 能 , 通 过 HASH_CODE(distinct_key) %

BUCKET_NUM 打散,不需要手动重写。Split Distinct 和 LocalGlobal 的原理对比参见下图。

Distinct 举例:

SELECT a, COUNT(DISTINCT b) 
​
FROM T 
​
GROUP BY a

手动打散举例:

SELECT a, SUM(cnt) 
FROM ( 
 SELECT a, COUNT(DISTINCT b) as cnt 
 FROM T 
 GROUP BY a, MOD(HASH_CODE(b), 1024) 
) 
GROUP BY a 

Split Distinct 开启方式

默认不开启,使用参数显式开启:

⚫ table.optimizer.distinct-agg.split.enabled: true,默认 false。

⚫ table.optimizer.distinct-agg.split.bucket-num: Split Distinct 优化在第一层聚合中,被打散的 bucket 数目。默认 1024。

// 初始化 table environment

TableEnvironment tEnv = ...

// 获取 tableEnv 的配置对象

Configuration configuration = tEnv.getConfig().getConfiguration();

// 设置参数:(要结合 minibatch 一起使用)

// 开启 Split Distinct

configuration.setString("table.optimizer.distinct-agg.split.enabled", "true");

// 第一层打散的 bucket 数目

configuration.setString("table.optimizer.distinct-agg.split.bucket-num", "1024");

注意事项:

(1)目前不能在包含 UDAF 的 Flink SQL 中使用 Split Distinct 优化方法。

(2)拆分出来的两个 GROUP 聚合还可参与 LocalGlobal 优化。

(3)该功能在 Flink1.9.0 版本及以上版本才支持。

4.2 提交案例:count(distinct)存在热点问题

bin/flink run \ 
-t yarn-per-job \ 
-d \ 
-p 5 \ 
-Drest.flamegraph.enabled=true \
-Dyarn.application.queue=test \
-Djobmanager.memory.process.size=1024mb \
-Dtaskmanager.memory.process.size=2048mb \
-Dtaskmanager.numberOfTaskSlots=2 \ 
-c com.atguigu.flink.tuning.SqlDemo \ 
/opt/module/flink-1.13.1/myjar/flink-tuning-1.0-SNAPSHOT.jar \
--demo distinct

4.3 提交案例:开启 split distinct

bin/flink run \ 
-t yarn-per-job \ 
-d \ 
-p 5 \ 
-Drest.flamegraph.enabled=true \ 
-Dyarn.application.queue=test \ 
-Djobmanager.memory.process.size=1024mb \ 
-Dtaskmanager.memory.process.size=2048mb \ 
-Dtaskmanager.numberOfTaskSlots=2 \ 
-c com.atguigu.flink.tuning.SqlDemo \ 
/opt/module/flink-1.13.1/myjar/flink-tuning-1.0-SNAPSHOT.jar \ 
--demo distinct \ 
--minibatch true \
--split-distinct true

5、多维 DISTINCT 使用 Filter

5.1 原理概述

在某些场景下,可能需要从不同维度来统计 count(distinct)的结果(比如统计 uv、

app 端的 uv、web 端的 uv),可能会使用如下 CASE WHEN 语法。

SELECT 
	a, 
	COUNT(DISTINCT b) AS total_b, 
	COUNT(DISTINCT **CASE WHEN** c IN ('A', 'B') THEN b ELSE NULL END) AS AB_b, 
	COUNT(DISTINCT **CASE WHEN** c IN ('C', 'D') THEN b ELSE NULL END) AS CD_b 
FROM T 
GROUP BY a

在这种情况下,建议使用 FILTER 语法, 目前的 Flink SQL 优化器可以识别同一唯一键 上的不同 FILTER 参数。如,

在上面的示例中,三个 COUNT DISTINCT 都作用在 b 列上。 此时,经过优化器识别后,Flink 可以只使用一个共

享状态实例,而不是三个状态实例,可 减少状态的大小和对状态的访问。

将上边的 CASE WHEN 替换成 FILTER 后,如下所示:

SELECT 
	a, 
	COUNT(DISTINCT b) AS total_b, 
	COUNT(DISTINCT b) FILTER (WHERE c IN ('A', 'B')) AS AB_b, 
	COUNT(DISTINCT b) FILTER (WHERE c IN ('C', 'D')) AS CD_b 
FROM T 
GROUP BY a

5.2 提交案例:多维 Distinct

bin/flink run \ 
-t yarn-per-job \ 
-d \ 
-p 5 \
-Drest.flamegraph.enabled=true \ 
-Dyarn.application.queue=test \ 
-Djobmanager.memory.process.size=1024mb \ 
-Dtaskmanager.memory.process.size=2048mb \ 
-Dtaskmanager.numberOfTaskSlots=2 \ 
-c com.atguigu.flink.tuning.SqlDemo \ 
/opt/module/flink-1.13.1/myjar/flink-tuning-1.0-SNAPSHOT.jar \ 
--demo dim-difcount

5.3 提交案例:使用 Filter

bin/flink run \ 
-t yarn-per-job \ 
-d \ 
-p 5 \ 
-Drest.flamegraph.enabled=true \ 
-Dyarn.application.queue=test \ 
-Djobmanager.memory.process.size=1024mb \ 
-Dtaskmanager.memory.process.size=2048mb \ 
-Dtaskmanager.numberOfTaskSlots=2 \ 
-c com.atguigu.flink.tuning.SqlDemo \ 
/opt/module/flink-1.13.1/myjar/flink-tuning-1.0-SNAPSHOT.jar \ 
--demo dim-difcount-filter

6、设置参数总结

总结以上的调优参数,代码如下:

// 初始化 table environment

TableEnvironment tEnv = ...

// 获取 tableEnv 的配置对象

Configuration configuration = tEnv.getConfig().getConfiguration();

// 设置参数:

// 开启 miniBatch

configuration.setString("table.exec.mini-batch.enabled", "true");

// 批量输出的间隔时间

configuration.setString("table.exec.mini-batch.allow-latency", "5 s");

// 防止 OOM 设置每个批次最多缓存数据的条数,可以设为 2 万条

configuration.setString("table.exec.mini-batch.size", "20000");

// 开启 LocalGlobal

configuration.setString("table.optimizer.agg-phase-strategy", "TWO_PHASE");

// 开启 Split Distinct

configuration.setString("table.optimizer.distinct-agg.split.enabled", "true");

// 第一层打散的 bucket 数目

configuration.setString("table.optimizer.distinct-agg.split.bucket-num", "1024");

// 指定时区

configuration.setString("table.local-time-zone", "Asia/Shanghai");

附录:FlinkSQL 官网配置参数: //nightlies.apache.org/flink/flink-docs-release-1.13/docs/dev/table/config/

  • 0
    点赞
  • 12
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

步道师就是我

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值