[flink]随笔

一、 flink运行模式

yarn上部署的过程是：客户端把Flink应用提交给Yarn的ResourceManager，Yarn的ResourceManager会向Yarn的NodeManager申请容器。在这些容器上，Flink会部署JobManager和TaskManager的实例，从而启动集群。Flink会根据运行在JobManager上的作业所需要的Slot数量动态分配TaskManager资源。

yarn-session.sh \
-d #后台运行 
-nm #在yarn上显示的名字

二、并行度优先级

代码算子>代码env>提交时限定>配置文件

env.setParallelism(5); #env
.flatMap(xxx).setParallelism(5) #算子

三、算子链(Operator Chain)

一个数据流在算子之间传输数据的形式可以是一对一(one to one)的直通(forwarding)模式，也可以是打乱的重分区(redistributing)模式，具体是哪一种形式，取决于算子的种类。

1、算子间的数据传输

1）一对一（one to one,forwarding）

这种模式下，数据流维护着分区以及元素的顺序。比如图中的source和map算子，source算子读取数据之后，可以直接发送给map算子做处理，他们之间不需要重分区，也不需要调整数据的顺序。这就意味着map算子的子任务，看到的元素个数和顺序跟source算子的子任务产生的完全一样，保证着'一对一'的关系。map、filter、flatMap等算子都是这种one-to-one的对应关系。这种关系类似于Spark中的窄依赖。

2）重分区（Redistributing）

在这种模式下，数据流的分区会发生改变。比如图中的map和后面的keyBy/window算子之间，以及keyBy/window算子和sink算子之间，都是这样的关系。

每一个算子的子任务，会根据数据传输的策略，把数据发送到不同的下游目标任务。这些传输方式都会引起重分区的过程，这一过程类似于Spark中的Shuffle。

2、合并算子链

在Flink中，并行度相同的一对一（one to one）算子操作，可以直接链接在一起形成一个‘大’的任务（task），这样原来的算子就成为了真正任务里的一部分，如下图所示。每个task会被一个线程执行。这样的技术被称为“算子链”（Operator Chain）。

 上图中Source和map之间满足了算子链的要求，所以可以直接合并在一起，形成了一个任务；因为并行度为2，所以合并后也有两个并行子任务。这样，这个数据流图所表示的作业最终会有5个任务，由5个线程并行执行。

将算子链接成task事非常有效的优化；可以减少线程之间的切换和基于缓存区的数据交换，在减少时延的同时提高吞吐量。

Flink默认会按照算子链的原则进行链接合并，如果我们想要禁止合并或者自行定义，也可以在代码中对算子做一些特定的设置。

//禁止算子链
.map(xxx).disableChaining;
//从当前算子开始新链
.map(xxx).startNewChain;

3、梳理算子链

1）算子间传输关系：

     一对一、充分区

2）算子，串在一起的条件：

      一对一 且 并行度相同

3）关于算子链的api

      ①全局禁用算子链：env.disableOperatorChaining();

      ②某个算子不参与链化：算子A(xxx).disableChaining(); 此时算子A不会与前面和后面的算子串            在一起

      ③从某个算子开启新的链条：算子A.startNewChain();算子A不与前面的算子串在一起，从A开            始正常链化。

4）禁用算子链的情况

      计算逻辑复杂：如果一个task中的多个算子，每个算子计算逻辑都很复杂就不适合合在一起。

      排错：如果在一起算子链中，就不知道是具体哪个算子出问题了。