一、状态定义
- 由一个任务维护,并且用来计算某个结果的所有数据,都属于这个任务的状态
- 可以认为状态就是一个本地变量,可以被任务的业务逻辑访问
- Flink会进行状态管理,包括状态一致性、故障处理以及高效存储和访问,以便开发人员可以专注于应用程序的逻辑
二、状态管理
在Flink中,状态始终与特定算子相关联。为了使运行时的Flink了解算子的状态,算子需要预先注册其状态
总的来说,有两种类型的状态:
- 算子状态(Operator State):算子状态的作用范围限定为算子任务
- 键控状态(Keyed State):根据输入数据流中定义的键(key)来维护和访问
2.1 算子状态(Operator State)
算子状态的作用范围限定为算子任务,由同一并行任务所处理的所有数据都可以访问到相同的状态;状态对于同一子任务而言是共享的;算子状态不能被相同或不同算子的另一个子任务访问
2.1.1 算子状态数据结构
- 列表状态(List state):将状态表示为一组数据的列表
- 联合列表状态(Union list state):也将状态表示为数据的列表。它与常规列表状态的区别在于,在发生故障时,或者从保存点(savepoint)启动应用程序时如何恢复
- 广播状态(Broadcast state):如果一个算子有多项任务,而它的每项任务状态又都相同,那么这种特殊情况最适合应用广播状态
2.1.2 示例代码
public class StateTest1_OperatorState {
public static void main(String[] args) throws Exception {
StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
env.setParallelism(1);
// socket文本流
DataStream<String> inputStream = env.socketTextStream("localhost", 7777);
// 转换成SensorReading类型
// java8 中的lamda表达式
DataStream<SensorReading> dataStream = inputStream.map(line -> {
String[] fields = line.split(",");
return new SensorReading(fields[0], new Long(fields[1]), new Double(fields[2]));
});
//定义一个有状态的map操作,统计当前分区数据个数
SingleOutputStreamOperator<Integer> resultStream = dataStream.map(new MyCountMapper());
resultStream.print();
env.execute();
}
//自定义MapFunction
public static class MyCountMapper implements MapFunction<SensorReading, Integer>, ListCheckpointed<Integer> {
//定义一个本地变量,作为算子状态
private Integer count = 0;
@Override
public Integer map(SensorReading value) throws Exception {
count++;
return count;
}
@Override
public List<Integer> snapshotState(long checkpointId, long timestamp) throws Exception {
return Collections.singletonList(count);
}
@Override
public void restoreState(List<Integer> state) throws Exception {
for(Integer num : state){
count += num;
}
}
}
}
2.2 键控状态(Keyed State)
键控状态是根据输入数据流中定义的键(key)来维护和访问的;Flink为每个key维护一个状态实例,并将具有相同键的所有数据,都分区到同一个算子任务中,这个任务会维护和处理这个key对应的状态;当任务处理一条数据时,它会自动将状态的访问范围限定为当前数据的key
2.2.1 键控状态数据结构
- 值状态(Value state):将状态表示为单个的值
- 列表状态(List state):将状态表示为一组数据的列表
- 映射状态(Map state):将状态表示为一组 Key-Value 对
- 聚合状态(Reducing state & Aggregating state):将状态表示为一个用于聚合操作的列表
2.2.2 键控状态的使用
- 声明一个键控状态
myValueState = getRuntimeContext().getState(
new ValueStateDescriptor<Integer>(
"my-value",
Integer.class));
- 读取状态
Integer myValue = myValueState.value();
- 对状态赋值
myValueState.update(10);
值状态的示例代码:
public class StateTest2_KeyedState {
public static void main(String[] args) throws Exception {
StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
env.setParallelism(1);
// socket文本流
DataStream<String> inputStream = env.socketTextStream("localhost", 7777);
// 转换成SensorReading类型
// java8 中的lamda表达式
DataStream<SensorReading> dataStream = inputStream.map(line -> {
String[] fields = line.split(",");
return new SensorReading(fields[0], new Long(fields[1]), new Double(fields[2]));
});
//定义一个有状态的map操作,统计当前sensor数据个数
SingleOutputStreamOperator<Integer> resultStream = dataStream.keyBy("id")
.map(new MyKeyCountMapper());
resultStream.print();
env.execute();
}
//自定义实现一个RichMapFunction
public static class MyKeyCountMapper extends RichMapFunction<SensorReading, Integer>{
//声明一个键控状态
private ValueState<Integer> keyCountState;
@Override
public void open(Configuration parameters) throws Exception {
keyCountState = getRuntimeContext().getState(new ValueStateDescriptor<Integer>("key-count", Integer.class));
}
@Override
public Integer map(SensorReading value) throws Exception {
//读取状态
Integer count = keyCountState.value();
count++;
//对状态赋值
keyCountState.update(count);
return count;
}
}
}
其它状态的示例代码:
public class StateTest2_KeyedState {
public static void main(String[] args) throws Exception {
StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
env.setParallelism(1);
// socket文本流
DataStream<String> inputStream = env.socketTextStream("localhost", 7777);
// 转换成SensorReading类型
// java8 中的lamda表达式
DataStream<SensorReading> dataStream = inputStream.map(line -> {
String[] fields = line.split(",");
return new SensorReading(fields[0], new Long(fields[1]), new Double(fields[2]));
});
//定义一个有状态的map操作,统计当前sensor数据个数
SingleOutputStreamOperator<Integer> resultStream = dataStream.keyBy("id")
.map(new MyKeyCountMapper());
resultStream.print();
env.execute();
}
//自定义实现一个RichMapFunction
public static class MyKeyCountMapper extends RichMapFunction<SensorReading, Integer>{
//声明一个键控状态
private ValueState<Integer> keyCountState;
//其它类型状态的声明
private ListState<String> myListState;
private MapState<String, Double> myMapState;
private ReducingState<SensorReading> myReducingState;
@Override
public void open(Configuration parameters) throws Exception {
keyCountState = getRuntimeContext().getState(new ValueStateDescriptor<Integer>("key-count", Integer.class));
myListState = getRuntimeContext().getListState(new ListStateDescriptor<String>("my-list", String.class));
myMapState = getRuntimeContext().getMapState(new MapStateDescriptor<String, Double>("my-map", String.class, Double.class));
// myReducingState = getRuntimeContext().getReducingState(new ReducingStateDescriptor<SensorReading>("my-reducing", , ));
}
@Override
public Integer map(SensorReading value) throws Exception {
//所有状态API都有clear()清空操作
//其它状态API调用
//list state
for(String str : myListState.get()){
System.out.println(str);
}
myListState.add("hello");
//map state
myMapState.get("key1");
myMapState.put("key2", 35.001);
myMapState.remove("key2");
myMapState.clear();
**加粗样式** //reducing state 聚合操作
myReducingState.add(value);
myReducingState.clear();
//读取状态
Integer count = keyCountState.value();
count++;
//对状态赋值
keyCountState.update(count);
return count;
}
}
}
三、状态后端
- 每传入一条数据,有状态的算子任务都会读取和更新状态
- 由于有效的状态访问对于处理数据的低延迟至关重要,因此每个并行任务都会在本地维护其状态,以确保快速的状态访问
- 状态的存储、访问及维护,由一个可插入的组件决定,这个组件就叫做状态后端(state backend)
- 状态后端主要负责两件事:本地的状态管理、以及检查点(checkpoint)状态写入远程存储
3.1 状态后端类型
-
MemoryStateBackend
内存级的状态后端,会将键控状态作为内存中的对象进行管理,将它们存储在TaskManager的JVM堆上,而将checkpoint存储在JobManager的内存中
特点: 快速、低延迟、但不稳定 -
FsStateBackend
将checkpoint存到远程的持久化文件系统(FileSystem)上,而对于本地状态,跟MemoryStateBackend一样,也会存在TaskManager的JVM堆上
特点: 同时拥有内存级的本地访问速度,和更好的容错保证 -
RocksDBStateBackend(适用于管理的状态多且对实时性要求不高的场景)
将所有状态序列化后,存入本地的RocksDB中
3.2 状态后端的配置
方式一:
可以在flink安装包下找到 conf/flink-conf.yaml 文件,修改相应的状态后端配置
方式二:
可以在代码中进行配置
pom.xml
<dependency>
<groupId>org.apache.flink</groupId>
<artifactId>flink-statebackend-rocksdb_2.12</artifactId>
<version>1.10.1</version>
</dependency>
代码
public class StateTest3_FaultTolerance {
public static void main(String[] args) throws Exception {
StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
env.setParallelism(1);
//1、设置状态后端
env.setStateBackend(new MemoryStateBackend());
env.setStateBackend(new FsStateBackend(""));
env.setStateBackend(new RocksDBStateBackend(""));
// socket文本流
DataStream<String> inputStream = env.socketTextStream("localhost", 7777);
// 转换成SensorReading类型
// java8 中的lamda表达式
DataStream<SensorReading> dataStream = inputStream.map(line -> {
String[] fields = line.split(",");
return new SensorReading(fields[0], new Long(fields[1]), new Double(fields[2]));
});
env.execute();
}
}