Flink之状态之状态存储 state backends

流计算中可能有各种方式来保存状态：

• 窗口操作
• 使用 了KV操作的函数
• 继承了CheckpointedFunction的函数

当开始做checkpointing的时候，状态会被持久化到checkpoints里来规避数据丢失和状态恢复。选择的状态存储策略不同，会导致状态持久化如何和checkpoints交互。

1.可用的状态持久化策略

Flink提供了三种持久化策略，如果没有显式指定，则默认使用MemoryStateBackend。

The MemoryStateBackend

将数据保存在java的堆里，kv状态或者window operator用hash table来保存values，triggers等等。

当进行checkpoints的时候，这种策略会对状态做快照，然后将快照作为checkpoint acknowledgement的一部分发送给JobManager，JM也将其保存在堆中。

MemoryStateBackend可以使用异步的方式进行快照，我们也鼓励使用异步的方式，避免阻塞，现在默认就是异步。如果不希望异步，可以在构造的时候传入false，如下：

new MemoryStateBackend(MAX_MEM_STATE_SIZE, false);

限制：

• 单次状态大小最大默认被限制为5MB，这个值可以通过构造函数来更改。
• 无论单次状态大小最大被限制为多少，都不可用大过akka的frame大小。
• 聚合的状态都会写入JM的内存。

适合：

• 本地开发和调试。
• 状态比较少的作业

The FsStateBackend

FsStateBackend 通过文件系统的URL来设置，比如“hdfs://namenode:40010/flink/checkpoints”或者“file:///data/flink/checkpoints”。

保持数据在TM的内存中，当做checkpointing的时候，会将状态快照写入文件，保存在文件系统或本地目录。少量的元数据会保存在JM的内存中。

默认使用异步的方式进行快照，同样，取消异步需要传递false：

 new FsStateBackend(path, false);

适用：

• 状态比较大，窗口比较长，大的KV状态
• 需要做HA的场景

The RocksDBStateBackend

RocksDBStateBackend 通过文件系统的URL来设置，例如“hdfs://namenode:40010/flink/checkpoints”或者“file:///data/flink/checkpoints”。

保存数据在一个叫做RocksDB的数据库中，这个数据库保存在TM的数据目录中。当做checkpointing时，整个数据库会被写入文件系统和目录。少量的元信息会保存在JM的内存中。

这种策略只支持异步快照。

限制：

• 由于依赖于字节数组，支持的key和value的大小最大为2^31字节。对于使用Merge操作的状态，大小很可能就默默的超过了这个限制，下次获取就会失败。

适合：

• 非常大的状态，长窗口，大的KV状态
• 需要HA的场景

能够持有的状态的多少只取决于可使用的磁盘大小，这会允许使用非常大的状态，相比较FsStateBackend将状态保存在内存中。但这也同时意味着，这个策略的吞吐量会受限。

RocksDBStateBackend是目前唯一支持incremental的checkpoints的策略。

2.配置状态持久化策略

如果你没有指定任何策略，默认使用JM作为存储策略。如果你想更改，可以在flink-conf.yaml中变更，存储策略也可以在作业中单独设定。

Setting the Per-job State Backend

可以在StreamExecutionEnvironment中指定：

StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
env.setStateBackend(new FsStateBackend("hdfs://namenode:40010/flink/checkpoints"));

Setting Default State Backend

默认的状态存储策略通过在flink-conf.yaml中通过state.backend来指定，有如下一些可选：

• jobmanager (MemoryStateBackend)
• filesystem (FsStateBackend)
• rocksdb (RocksDBStateBackend)

也可以以全路径来指定，比如org.apache.flink.contrib.streaming.state.RocksDBStateBackendFactory 来代替 RocksDBStateBackend，不过，何必了。

state.checkpoints.dir这个参数来指定所有的checkpoints数据和元数据存储的位置。示例如下：

# The backend that will be used to store operator state checkpoints

state.backend: filesystem


# Directory for storing checkpoints

state.checkpoints.dir: hdfs://namenode:40010/flink/checkpoints

 

转载于:https://www.cnblogs.com/029zz010buct/p/9403283.html