【flink番外篇】11、Flink 并行度设置

Flink 系列文章

一、Flink 专栏

Flink 专栏系统介绍某一知识点，并辅以具体的示例进行说明。

• 1、Flink 部署系列 本部分介绍Flink的部署、配置相关基础内容。
• 2、Flink基础系列 本部分介绍Flink 的基础部分，比如术语、架构、编程模型、编程指南、基本的datastream api用法、四大基石等内容。
• 3、Flik Table API和SQL基础系列 本部分介绍Flink Table Api和SQL的基本用法，比如Table API和SQL创建库、表用法、查询、窗口函数、catalog等等内容。
• 4、Flik Table API和SQL提高与应用系列 本部分是table api 和sql的应用部分，和实际的生产应用联系更为密切，以及有一定开发难度的内容。
• 5、Flink 监控系列 本部分和实际的运维、监控工作相关。

二、Flink 示例专栏

Flink 示例专栏是 Flink 专栏的辅助说明，一般不会介绍知识点的信息，更多的是提供一个一个可以具体使用的示例。本专栏不再分目录，通过链接即可看出介绍的内容。

两专栏的所有文章入口点击：Flink 系列文章汇总索引

文章目录

本文介绍了Flink的并行度设置的几种方式以及并行度最大的值。

如果需要了解更多内容，可以在本人Flink 专栏中了解更新系统的内容。

本文除了maven依赖外，没有其他依赖。

一、并行执行

一个 Flink 程序由多个任务 task 组成（转换/算子、数据源和数据接收器）。一个 task 包括多个并行执行的实例，且每一个实例都处理 task 输入数据的一个子集。一个 task 的并行实例数被称为该 task 的 并行度 (parallelism)。

使用 savepoints 时，应该考虑设置最大并行度。当作业从一个 savepoint 恢复时，你可以改变特定算子或着整个程序的并行度，并且此设置会限定整个程序的并行度的上限。由于在 Flink 内部将状态划分为了 key-groups，且性能所限不能无限制地增加 key-groups，因此设定最大并行度是有必要的。

1、设置并行度

一个 task 的并行度可以从多个层次指定：

1）、算子层次

单个算子、数据源和数据接收器的并行度可以通过调用 setParallelism()方法来指定。如下所示：

// 设置 算子 并行度staticvoidtest1()throwsException{StreamExecutionEnvironment env =StreamExecutionEnvironment.getExecutionEnvironment();DataStream<String> source = env.socketTextStream("192.168.10.42",8888).map(o ->{String[] lines = o.split(",");return"name:"+ lines[0]+" age: "+ lines[1];}).setParallelism(8);// 设置map的并行度

     source.print();
     env.execute();}

2）、执行环境层次

Flink 程序运行在执行环境的上下文中。执行环境为所有执行的算子、数据源、数据接收器 (data sink) 定义了一个默认的并行度。可以显式配置算子层次的并行度去覆盖执行环境的并行度。

可以通过调用 setParallelism() 方法指定执行环境的默认并行度。如果想以并行度3来执行所有的算子、数据源和数据接收器。可以在执行环境上设置默认并行度，如下所示：

// 设置 执行环境层次 并行度staticvoidtest2()throwsException{StreamExecutionEnvironment env =StreamExecutionEnvironment.getExecutionEnvironment();
    env.setParallelism(8);DataStream<String> source = env.socketTextStream("192.168.10.42",8888).map(o ->{String[] lines = o.split(",");return"name:"+ lines[0]+" age: "+ lines[1];});

    source.print();
    env.execute();}

3）、客户端层次

将作业提交到 Flink 时可在客户端设定其并行度。客户端可以是 Java 或 Scala 程序，Flink 的命令行接口（CLI）就是一种典型的客户端。

在 CLI 客户端中，可以通过 -p 参数指定并行度，例如：

./bin/flink run -p10../examples/*WordCount-java*.jar

或者在 Java 程序中，可以通过如下方式指定并行度：
说明：
1、该种方法比较复杂，是不是相当于把Flink自身的客户端实现重新实现了一遍呢？大致逻辑如下，代码示例
2、具体实现可以参考其客户端的实现以及测试用例中的实现。
3、客户端的入口类为org.apache.flink.client.cli.CliFrontend；其测试用例类为org.apache.flink.client.program.ClientTest

importstaticorg.apache.flink.util.Preconditions.checkNotNull;importjava.io.File;importjava.net.URL;importjava.util.List;importjava.util.concurrent.CompletableFuture;importjava.util.stream.Stream;importjavax.annotation.Nonnull;importorg.apache.flink.api.common.JobID;importorg.apache.flink.api.common.Plan;importorg.apache.flink.api.java.ExecutionEnvironment;importorg.apache.flink.api.java.io.DiscardingOutputFormat;importorg.apache.flink.client.ClientUtils;importorg.apache.flink.client.FlinkPipelineTranslationUtil;importorg.apache.flink.client.cli.ExecutionConfigAccessor;importorg.apache.flink.client.deployment.ClusterClientJobClientAdapter;importorg.apache.flink.client.program.ClusterClient;importorg.apache.flink.client.program.MiniClusterClient;importorg.apache.flink.client.program.PackagedProgram;importorg.apache.flink.configuration.AkkaOptions;importorg.apache.flink.configuration.Configuration;importorg.apache.flink.configuration.CoreOptions;importorg.apache.flink.configuration.DeploymentOptions;importorg.apache.flink.configuration.JobManagerOptions;importorg.apache.flink.core.execution.DefaultExecutorServiceLoader;importorg.apache.flink.core.execution.JobClient;importorg.apache.flink.core.execution.PipelineExecutor;importorg.apache.flink.core.execution.PipelineExecutorFactory;importorg.apache.flink.core.execution.PipelineExecutorServiceLoader;importorg.apache.flink.runtime.jobgraph.JobGraph;importorg.apache.flink.runtime.jobgraph.SavepointRestoreSettings;importorg.apache.flink.runtime.testutils.InternalMiniClusterExtension;importorg.apache.flink.runtime.testutils.MiniClusterResourceConfiguration;/*
 * @Author: alanchan
 * @LastEditors: alanchan
 * @Description: 
 */publicclassTestParallelismByClientDemo{privatestaticfinalStringTEST_EXECUTOR_NAME="test_executor";privatestaticPlan plan;privatestaticConfiguration config;privatestaticfinalInternalMiniClusterExtensionMINI_CLUSTER_RESOURCE=newInternalMiniClusterExtension(newMiniClusterResourceConfiguration.Builder().build());publicstaticvoidmain(String[] args)throwsException{ExecutionEnvironment env =ExecutionEnvironment.createLocalEnvironment();
        env.generateSequence(1,1000).output(newDiscardingOutputFormat<>());
        plan = env.createProgramPlan();

        config =newConfiguration();
        config.setString(JobManagerOptions.ADDRESS,"localhost");

        config.set(AkkaOptions.ASK_TIMEOUT_DURATION,AkkaOptions.ASK_TIMEOUT_DURATION.defaultValue());// 1、构造PackagedProgramConfiguration configuration =newConfiguration();
        configuration.setString(DeploymentOptions.TARGET,TEST_EXECUTOR_NAME);
        configuration.set(CoreOptions.DEFAULT_PARALLELISM,2);// <dependency>// <groupId>org.apache.flink</groupId>// <artifactId>flink-runtime</artifactId>// <version>${flink.version}</version>// </dependency>String entryPointClass =TestExecute.class.getName();String jarFilePath ="../examples/flinktest.jar";//打包jar文件的路径File jarFile =newFile(jarFilePath);List<URL> classpaths =PackagedProgram.getJobJarAndDependencies(jarFile,entryPointClass);//    Creates an instance that wraps the plan defined in the jar file using the given arguments//    For generating the plan the class defined in the className parameter is used.//    private PackagedProgram(//            @Nullable File jarFile, //jarFile The jar file which contains the plan.//            List<URL> classpaths, //classpaths Additional classpath URLs needed by the Program.//            @Nullable String entryPointClassName, //entryPointClassName Name of the class which generates the plan. Overrides the class defined in the jar file manifest.//            Configuration configuration, //configuration Flink configuration which affects the classloading policy of the Program execution.//            SavepointRestoreSettings savepointRestoreSettings,//            String... args) //args Optional. The arguments used to create the pact plan, depend on implementation of the pact plan. See getDescription().PackagedProgram program =PackagedProgram.newBuilder().setJarFile(jarFile).setUserClassPaths(classpaths).setEntryPointClassName(entryPointClass).setConfiguration(configuration).setSavepointRestoreSettings(SavepointRestoreSettings.fromConfiguration(configuration)).setArguments(args).build();// 2、构造客户端执行环境// public static void executeProgram(//     PipelineExecutorServiceLoader executorServiceLoader,//     Configuration configuration,//     PackagedProgram program,//     boolean enforceSingleJobExecution,//     boolean suppressSysout)// ClientUtils.executeProgram(new DefaultExecutorServiceLoader(), configuration, program, false, false);ClusterClient<?> clusterClient =newMiniClusterClient(newConfiguration(),MINI_CLUSTER_RESOURCE.getMiniCluster());ClientUtils.executeProgram(newTestExecutorServiceLoader(clusterClient, plan), configuration, program,false,false);}publicstaticfinalclassTestExecute{publicstaticvoidmain(String[] args)throwsException{finalExecutionEnvironment env =ExecutionEnvironment.getExecutionEnvironment();for(int i =0; i <2; i++){
                env.fromElements(1,2).output(newDiscardingOutputFormat<>());JobClient jc = env.executeAsync();

                jc.getJobExecutionResult();}}}privatestaticfinalclassTestExecutorServiceLoaderimplementsPipelineExecutorServiceLoader{privatefinalClusterClient<?> clusterClient;privatefinalPlan plan;TestExecutorServiceLoader(finalClusterClient<?> clusterClient,finalPlan plan){this.clusterClient =checkNotNull(clusterClient);this.plan =checkNotNull(plan);}@OverridepublicPipelineExecutorFactorygetExecutorFactory(@NonnullConfiguration configuration){returnnewPipelineExecutorFactory(){@OverridepublicStringgetName(){return"my-name";}@OverridepublicbooleanisCompatibleWith(@NonnullConfiguration configuration){returnTEST_EXECUTOR_NAME.equalsIgnoreCase(configuration.getString(DeploymentOptions.TARGET));}@OverridepublicPipelineExecutorgetExecutor(@NonnullConfiguration configuration){return(pipeline, config, classLoader)->{finalint parallelism = config.getInteger(CoreOptions.DEFAULT_PARALLELISM);finalJobGraph jobGraph =FlinkPipelineTranslationUtil.getJobGraph(classLoader, plan, config, parallelism);finalExecutionConfigAccessor accessor =ExecutionConfigAccessor.fromConfiguration(config);
                        jobGraph.addJars(accessor.getJars());
                        jobGraph.setClasspaths(accessor.getClasspaths());finalJobID jobID = clusterClient.submitJob(jobGraph).get();returnCompletableFuture.completedFuture(newClusterClientJobClientAdapter<>(()-> clusterClient, jobID, classLoader));};}};}@OverridepublicStream<String>getExecutorNames(){thrownewUnsupportedOperationException("not implemented");}}}

4）、系统层次

可以通过设置 ./conf/flink-conf.yaml 文件中的 parallelism.default 参数，在系统层次来指定所有执行环境的默认并行度。

更多的信息参考下文链接：
11、Flink配置flink-conf.yaml详细说明（HA配置、checkpoint、web、安全、zookeeper、historyserver、workers、zoo.cfg）

2、设置最大并行度

最大并行度可以在所有设置并行度的地方进行设定（客户端和系统层次除外）。与调用 setParallelism() 方法修改并行度相似，你可以通过调用 setMaxParallelism() 方法来设定最大并行度。

默认的最大并行度等于将 operatorParallelism + (operatorParallelism / 2) 值四舍五入到大于等于该值的一个整型值，并且这个整型值是 2 的幂次方，注意默认最大并行度下限为 128，上限为 32768。

为最大并行度设置一个非常大的值将会降低性能，因为一些 state backends 需要维持内部的数据结构，而这些数据结构将会随着 key-groups 的数目而扩张（key-group 是状态重新分配的最小单元）。

从之前的作业恢复时，改变该作业的最大并发度将会导致状态不兼容。

以上，本文介绍了Flink的并行度设置的几种方式以及并行度最大的值。