Flink状态编程学习笔记

Flink状态编程学习笔记

简介

状态编程为Flink处理机制的核心，状态用来保存信息，辅助计算，以及方便于故障恢复。

内容

一、有状态和无状态的算子

有状态：计算时需要依赖其他数据，例如需要先有下单状态，才能有支付状态（sum…）
无状态：计算时不需要依赖其他数据，单独自身数据就足矣（Map，Filter…）

二、状态管理

传统状态管理：状态保存在数据库中，造成对数据库频繁访问耗费性能。
Flink状态管理：将状态保存在内存中，并通过分布式扩展保证高吞吐量，同时需要给状态做个持久化保存，以便于在发生故障后恢复到正常状态。
（FLink将状态管理中很多核心功能封装起来了，我们直接调用API即可，从而实现将状态管理这一麻烦事简化）

三、状态发分类

（1）托管状态（Managed State）
所有状态统一由Flink管理，全部都有FLink接口实现。---->推荐
（2）原始状态(Raw State)
自己开辟一块内存，自己管理状态的一系列功能。

四、算子状态和按键分区状态

因一个算子任务在多个并行度的状态下占据不同的任务槽，他们之间是物理隔绝的，状态无法共享，所以任务进行的计算只能针对当前key有效。
1、算子状态(Operator State)：限定于当前算子，使用时需要实现CheckpointedFunction接口
2、按键分区状态(Keyed State)：只能定义在按键分区流中，只能keyby后才能使用，类似于MySQL的group by

3、按键分区状态具体使用：
概念：类似于MySQL group by，按键为作业范围进行隔绝作业

4、支持的结构类型
（1）值状态(value state)：状态只保存一个值

public interface ValueState<T> extends State {
    //获取当前状态的值
    T value() throws IOException;
    //更新状态
    void update(T value) throws IOException;
}

//具体使用时为了清楚是哪个状态，需要创建个状态描述器
//传入状态的名称和类型

public ValueStateDescriptor(String name,Class<T> typeClass) {
    super(name,typeClass,null)
}

（2）列表状态：与值状态类似，列表状态描述器称为ListStateDescriptor
（3）映射状态：把一些键值对作为整体保存起来，对应的MapState<UK,UV>，其中的UK是key的类型，UV是value的类型，MapState提供了操作映射的状态方法
（4）规约状态（ReducingState）：类似于值状态，不过他是将传进来的值进行规约，将规约聚合后的数据作为状态保存下来，规约的逻辑定义是在规约状态描述器中通过传入一个规约函数ReduceFunction(状态类型与输入的数据类型要一致)

public ReducingStateDescriptor(String name,ReduceFunction<T> reduceFunction,Class<T> typeClass){
    //第二个参数为定义规约逻辑的ReduceFunction
}

（5）聚合状态：与规约状态类似，通过聚合函数（AggregateFunction），调用这个接口也和规约状态一致，使用add方法。(状态类型与输入的数据类型不需要一致)

五、状态的使用

1、代码中使用状态整体代码：

package com.mtaite.travel.Test;

import org.apache.flink.api.common.functions.RichFlatMapFunction;
import org.apache.flink.api.common.state.ValueState;
import org.apache.flink.api.common.state.ValueStateDescriptor;
import org.apache.flink.api.common.typeinfo.Types;
import org.apache.flink.configuration.Configuration;
import org.apache.flink.util.Collector;


/**
 * @version 1.0
 * @Author Hzx
 * @Created on 2022/5/24 13:49
 */
public class MyFlatMapFunction extends RichFlatMapFunction<Long,String> {
    //声明状态
    private transient ValueState<Long> state;

    @Override
    public void open(Configuration parameters) throws Exception {
        //在open生命周期方法中获取状态
        ValueStateDescriptor<Long> descriptor = new ValueStateDescriptor<Long>(
                "my state",  //状态名
                Types.LONG         //状态类型
        );
        state = getRuntimeContext().getState(descriptor);
    }

    @Override
    public void flatMap(Long aLong, Collector<String> out) throws Exception {
        //访问状态
        Long currentState = state.value();
        currentState += 1;   //状态值加1
        //更新状态
        state.update(currentState);
        if (currentState > 5) {
            out.collect("state:"+currentState);
            //清空状态
            state.clear();
        }
    }
}

2、部分算子等解释：
（1）SingleOutputStreamOperator：是DataStream的tranformation，且输出指定类型
（2）assignTimestampAndWaterMarks：指定时间戳和水印

3、注册定时器代码案例：

public static class Timer extends KeyedProcessFunction<String,BTrack,String>{
    //定义两个状态，保存当前x值以及定时器时间戳
    ValueState<Long> countState;
    ValueState<Long> TimerState;
    @Override
    public void open(Configuration parameters) throws Exception {
            countState = getRuntimeContext().getState(new ValueStateDescriptor<Long>("count",Long.class));
            TimerState = getRuntimeContext().getState(new ValueStateDescriptor<Long>("Timer",Long.class));
    }
    
    @Override
    public void processElement(BTrack value,COntext ctx,Collector<String> out) {
        //更新count值
        Long count = countState.value();
        if(count == null){
            countState.update(1L);        
        } else {
             countState.update(count+1);       
        }
    }
}

4、双流join
对于双流处理，flink提供的connect能灵活处理

stream1.keyBy(r -> r.f0).connect(stream2.keyBy(r -> r.f0))
.process(new CoProcessFunction<Tuple2<Long,String>,Tuple2<Long,String>,String>(){
    private ListState<Tuple2<Long,String>> stream1ListState;
    private ListState<Tuple2<Long,String>> stream2ListState;
    //open方法内getRuntimeContext获取状态
    //处理逻辑
}

5、状态生存时间
状态一般会随着时间的推移而逐渐增长，为了节约资源，需要设置一个状态生存时间，当某个状态时长达到预设时间则会被清理掉节约资源。生效时间=当前时间+生存时间（TTL）

StateTtlConfig ttlConfig = StateTtlConfig
        //状态TTL的构造器方法，里面传入一个状态生存时间
        .newBuilder(Time.seconds(10))
        //更新类型（此类型表示只有在创建和更改状态时更新生效时间）
.setUpdateType(StateTtlConfig.UpdateType.OnCreateAndWrite)      
        //设置状态可见性，这里设置的是表示不返回过期状态
.setStateVisibility(StateTtlConfig.StateVisibility.NeverReturnExpired)
        .build();
ValueStateDescriptor<String> stateDescriptor = new ValueStateDescriptor<String>(
        "my state",
        String.class
);
stateDescriptor.enableTimeToLive(ttlConfig);

六、算子状态中设定CheckPointedFunction接口（检查点）

public interface CheckPointedFuntion {
//保存状态快照到检查点时调用这个方法
void snapshotState(FunctionSnapshotContext context) throws Exception
//初始化状态调用这个方法，也会在恢复状态时调用
void initializeState(FunctioninitializationContext context) throw Exception;
}

七、状态后端

（1）哈希表状态后端(HashMapStateBackend)
把状态存放在内存上，比较常用的方法
（2）内嵌RocksDB状态后端(EmbeddedRocksDBStateBackend)
状态持久化到磁盘中

如果在IDEA中使用内嵌状态后端，需要提供如下依赖

<dependency>
    <groupId>org.apache.flink</groupId>
    <artifactId>flink-statebackend-rocksdb_${scala.binary.version}</artifactId>
    <version>1.13.0</version>
</dependency>