Flink四大基石

Checkpoint

  • 目的
    为了保证程序发生故障时状态不丢也不错,它是保证状态一致性而不是数据一致性。
  • 原理
    使用异步屏障快照Asynchronous Barrier Snapshotting(简称 ABS)算法(依赖于Chandy-Lamport算法的变种)实现分布式快照。
  • 流程
    1)JobManager周期性产生Barrier,并广播给所有Source算子。
    2)Source算子收到Barrier后,生成自己的状态快照(包含数据源对应的offset/partition等信息),然后把Barrier广播给下游所有非Source算子
    3)非Source算子收到某条上游算子的Barrier后,会阻塞此上游算子的输入流,把再Barrier之后流过来的数据先放到算子的缓冲区。等收到上游所有算子的Barrier后,此时才会进行生成自己的状态快照,然后把此算子的Barrier广播给下游所有非Source算子。(这里是Barrier对齐机制,保证数据不会被重复处理。当然,如果为了效率,也可以不进行对齐,此时数据会至少处理一次,可能导致数据被重复处理。对于数据的EXACTLY_ONCE来说,在1.11版本对于Barrier对齐机制进行了优化,因为对齐机制会导致checkpoint时间过长以及当作业出现反压时,从而加重作业的反压。此时引入了Unaligned Checkpoint机制,这个机制会导致接受到第一个Barrier时,不会阻塞此流后续数据的计算。这种方法也由坏处就是要持久化一部分缓存数据)
    4)当所有Sink算子完成checkpoint后,且向JobManager发送确认消息后,该次checkpoint完成。

State

  • 状态类型
    1)原生状态(Raw State)
    Raw State是开发者自己管理的,需要自己序列化。
    2)托管状态(Managed State)
    Managed State是由Flink管理的,Flink帮忙存储、恢复和优化。Managed State再进行细分,由两种类型:Keyed State和Operator State。
    Keyed State:一个SubTask有多个State,每一个Key对应一个State。有ValueState,ListState,MapState等
    Operator State:一个SubTask有一个State。有ListState,BroadcastState等
  • 状态后端
    Flink 内置了以下这些开箱即用的 state backends :
    ①HashMapStateBackend:状态数据以 Java 对象的形式存储在堆中。
    ②EmbeddedRocksDBStateBackend:状态数据保存在 RocksDB 数据库中,数据被以序列化字节数组的方式存储,RocksDB 数据库默认将数据存储在 TaskManager 的数据目录。
    如果不设置,默认使用 HashMapStateBackend。
    在Flink1.13版本对状态后端进行了改进,帮助用户更好理解本地状态存储和 checkpoint 存储的区分。
    1)MemoryStateBackend
    旧版本的 MemoryStateBackend 等价于使用 HashMapStateBackend 和 JobManagerCheckpointStorage。
    2)FsStateBackend
    旧版本的 FsStateBackend 等价于使用 HashMapStateBackend 和 FileSystemCheckpointStorage。
    3)RocksDBStateBackend
    旧版本的 RocksDBStateBackend 等价于使用 EmbeddedRocksDBStateBackend 和 FileSystemCheckpointStorage。使用RocksDB状态后端可以设置增量检查点,RocksDB是一个基于LSM树的KV存储。

Time

  • 时间语义
    Flink在1.12版本后默认使用Event Time
    1)处理时间(Process Time)数据进入Flink被处理的系统时间(Operator处理数据的系统时间)
    2)事件时间(Event Time)数据在数据源产生的时间,一般由事件中的时间戳描述,比如用户日志中的TimeStamp。
    3)摄取时间(Ingestion Time)数据进入Flink的时间,记录被Source节点观察到的系统时间。
  • 水位线
    flink1.11中对flink的水印生成接口进行了重构,创建watermark主要有以下三种方式
    1)使用createWatermarkGenerator 创建watermark。
    2)使用固定延时策略生成水印,调用WatermarkStrategy中的静态方法forBoundedOutOfOrderness。
    3)使用单调递增的方式生成水印,调用WatermarkStrategy中的静态方法forMonotonousTimestamps。

Window

  • 分类
    1)Keyed Windows
stream
       .keyBy(...)               <-  keyed versus non-keyed windows
       .window(...)              <-  required: "assigner"
      [.trigger(...)]            <-  optional: "trigger" (else default trigger)
      [.evictor(...)]            <-  optional: "evictor" (else no evictor)
      [.allowedLateness(...)]    <-  optional: "lateness" (else zero)
      [.sideOutputLateData(...)] <-  optional: "output tag" (else no side output for late data)
       .reduce/aggregate/apply()      <-  required: "function"
      [.getSideOutput(...)]      <-  optional: "output tag"

2)Non-Keyed Windows

stream
       .windowAll(...)           <-  required: "assigner"
      [.trigger(...)]            <-  optional: "trigger" (else default trigger)
      [.evictor(...)]            <-  optional: "evictor" (else no evictor)
      [.allowedLateness(...)]    <-  optional: "lateness" (else zero)
      [.sideOutputLateData(...)] <-  optional: "output tag" (else no side output for late data)
       .reduce/aggregate/apply()      <-  required: "function"
      [.getSideOutput(...)]      <-  optional: "output tag"
  • 生命周期
    开始:当应该属于该窗口的第一个元素到达时,就会创建一个窗口。
    结束:当时间超过其结束时间戳加上用户指定的允许延迟时,该窗口将被完全删除。
    每个窗口都有一个触发器和一个函数。函数是用于窗口内数据的计算,触发器是决定此窗口的函数多会进行计算的条件。
  • 类型
    1)Tumbling Windows(滚动窗口)
input
    .keyBy(<key selector>)
    .window(TumblingEventTimeWindows.of(Time.seconds(5)))
    .<windowed transformation>(<window function>);

2)Sliding Windows(滑动窗口)

input
    .keyBy(<key selector>)
    .window(SlidingEventTimeWindows.of(Time.seconds(10), Time.seconds(5)))
    .<windowed transformation>(<window function>);

3)Session Windows(会话窗口)

input
    .keyBy(<key selector>)
    .window(EventTimeSessionWindows.withGap(Time.minutes(10)))
    .<windowed transformation>(<window function>);

4)Global Windows(全局窗口)

input
    .keyBy(<key selector>)
    .window(GlobalWindows.create())
    .<windowed transformation>(<window function>);
  • 窗口函数
    1)增量窗口函数

①ReduceFunction

input
    .keyBy(<key selector>)
    .window(<window assigner>)
    .reduce(new ReduceFunction<Tuple2<String, Long>>() {
      public Tuple2<String, Long> reduce(Tuple2<String, Long> v1, Tuple2<String, Long> v2) {
        return new Tuple2<>(v1.f0, v1.f1 + v2.f1);
      }
    });

②AggregateFunction
可以统计窗口内数据的个数,进行求平均值等等。(局部计算,全局和并。)

/**
 * The accumulator is used to keep a running sum and a count. The {@code getResult} method
 * computes the average.
 */
private static class AverageAggregate
    implements AggregateFunction<Tuple2<String, Long>, Tuple2<Long, Long>, Double> {
  @Override
  public Tuple2<Long, Long> createAccumulator() {
    return new Tuple2<>(0L, 0L);
  }

  @Override
  public Tuple2<Long, Long> add(Tuple2<String, Long> value, Tuple2<Long, Long> accumulator) {
    return new Tuple2<>(accumulator.f0 + value.f1, accumulator.f1 + 1L);
  }

  @Override
  public Double getResult(Tuple2<Long, Long> accumulator) {
    return ((double) accumulator.f0) / accumulator.f1;
  }

  @Override
  public Tuple2<Long, Long> merge(Tuple2<Long, Long> a, Tuple2<Long, Long> b) {
    return new Tuple2<>(a.f0 + b.f0, a.f1 + b.f1);
  }
}

DataStream<Tuple2<String, Long>> input = ...;

input
    .keyBy(<key selector>)
    .window(<window assigner>)
    .aggregate(new AverageAggregate());

2)全量窗口函数
ProcessWindowFunction
这个函数更加灵活,但是延迟性更高,且牺牲一定存储空间。

public abstract class ProcessWindowFunction<IN, OUT, KEY, W extends Window> implements Function {

    /**
     * Evaluates the window and outputs none or several elements.
     *
     * @param key The key for which this window is evaluated.
     * @param context The context in which the window is being evaluated.
     * @param elements The elements in the window being evaluated.
     * @param out A collector for emitting elements.
     *
     * @throws Exception The function may throw exceptions to fail the program and trigger recovery.
     */
    public abstract void process(
            KEY key,
            Context context,
            Iterable<IN> elements,
            Collector<OUT> out) throws Exception;

   	/**
   	 * The context holding window metadata.
   	 */
   	public abstract class Context implements java.io.Serializable {
   	    /**
   	     * Returns the window that is being evaluated.
   	     */
   	    public abstract W window();

   	    /** Returns the current processing time. */
   	    public abstract long currentProcessingTime();

   	    /** Returns the current event-time watermark. */
   	    public abstract long currentWatermark();

   	    /**
   	     * State accessor for per-key and per-window state.
   	     *
   	     * <p><b>NOTE:</b>If you use per-window state you have to ensure that you clean it up
   	     * by implementing {@link ProcessWindowFunction#clear(Context)}.
   	     */
   	    public abstract KeyedStateStore windowState();

   	    /**
   	     * State accessor for per-key global state.
   	     */
   	    public abstract KeyedStateStore globalState();
   	}

}

3)增量和全量窗口函数混合使用
兼顾两者优点
ReduceFunction+ProcessWindowFunction

AggregateFunction+ProcessWindowFunction

  • 6
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
评论 2
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
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