Task Solt的配置为什么等于提交代码运行的最大的并行度?
1、为了提高容错,如果一个slot失败,可以直接分配到其他slot执行
2、由于每个算子的执行速度不同,flink为了保证并行执行的效率,
不是将每个合并后的操作分配到一个Task Slot中(有些执行快,有些执行慢,慢的还会一直占用该slot),而是采用在每个slot中存所有的操作
例如:
public class BatchWordCount {
public static void main(String[] args) throws Exception {
ExecutionEnvironment env = ExecutionEnvironment.getExecutionEnvironment();
env.setParallelism(2);
DataSource<String> ds = env.readTextFile("E:\\IdeaProjects\\flink\\flinkdemo\\src\\main\\resources\\words.txt");
ds.flatMap((String line, Collector<Tuple2<String,Long>> out ) ->{
String[] words = line.split(" ");
for (String word : words) {
out.collect(Tuple2.of(word,1L));
}
})
//在java中不支持函数式编程,lamb表达式可能存在泛型擦除的情况,需要定义结果的返回类型
// .returns(Types.TUPLE(Types.STRING, Types.LONG))
.groupBy(0).sum(1).print();
}
}
如果采用下图的这种方式,不仅需要的slot的开销大,同时,存在slot没有充分利用的情况,且source的执行速度很快,而keyby之后的一些处理需要网络传输,数据处理效率会变低,但source所在的slot在快速执行完成之后就一直处于等待状态,造成资源的浪费。
flink采用的是如下图的方式,每个slot上保存所有的操作过程,解决了资源利用率低的缺点,