0


Flink State 状态管理

文章目录


前言

状态在Flink中叫做State,用来保存中间计算结果或者缓存数据。要做到比较好的状态管理,需要考虑以下几点内容:

  • 状态数据的存储和访问 在Task内部,如何高效地保存状态数据和使用状态数据。
  • 状态数据的备份和恢复 作业失败是无法避免的,那么就要考虑如何高效地将状态数据保存下来,避免状态备份降低集群的吞吐量,并且在Failover时恢复作业到失败前的状态。
  • 状态数据的划分和动态扩容 作业在集群内并行执行那么就要思考对于作业的Task而言如何使用统一的方式对状态数据进行切分,在作业修改并行度导致Task数据改变的时候,如何确保正确地恢复。

一、状态分类

State按照是否有Key划分KeyedState和OperatorState两种。按照数据结构不同,flink定义了多种state,分别应用于不同的场景,具体实现如下:ValueState、ListState、MapState、ReducingState、AggregatingState。

  • ValueState: 保存一个可以更新和检索的值(如上所述,每个值都对应到当前的输入数据的 key,因此算子接收到的每个 key 都可能对应一个值)。 这个值可以通过 update(T) 进行更新,通过 T value() 进行检索。
  • ListState: 保存一个元素的列表。可以往这个列表中追加数据,并在当前的列表上进行检索。可以通过 add(T) 或者 addAll(List) 进行添加元素,通过 Iterable get() 获得整个列表。还可以通过 update(List) 覆盖当前的列表。
  • ReducingState: 保存一个单值,表示添加到状态的所有值的聚合。接口与 ListState 类似,但使用 add(T) 增加元素,会使用提供的 ReduceFunction 进行聚合。
  • AggregatingState<IN, OUT>: 保留一个单值,表示添加到状态的所有值的聚合。和 ReducingState 相反的是, 聚合类型可能与 添加到状态的元素的类型不同。 接口与 ListState 类似,但使用 add(IN) 添加的元素会用指定的 AggregateFunction 进行聚合。
  • MapState<UK, UV>: 维护了一个映射列表。 你可以添加键值对到状态中,也可以获得反映当前所有映射的迭代器。使用 put(UK,UV) 或者 putAll(Map<UK,UV>) 添加映射。 使用 get(UK) 检索特定 key。 使用 entries(),keys() 和 values() 分别检索映射、键和值的可迭代视图。你还可以通过 isEmpty() 来判断是否包含任何键值对。

二、keyed代码示例

更多代码示例请下载Flink State体系剖析以及案例实践

ListState

代码如下:

importorg.apache.flink.api.java.tuple.Tuple2;importorg.apache.flink.streaming.api.datastream.DataStreamSource;importorg.apache.flink.streaming.api.environment.StreamExecutionEnvironment;/**
 * 需求:当接收到的相同 key 的元素个数等于 3个,就计算这些元素的 value 的平均值。
 * 计算keyed stream中每3个元素的 value 的平均值
 */publicclassTestKeyedStateMain{publicstaticvoidmain(String[] args)throwsException{//获取执行环境StreamExecutionEnvironment env =StreamExecutionEnvironment.getExecutionEnvironment();//设置并行度
        env.setParallelism(12);//获取数据源DataStreamSource<Tuple2<Long,Long>> dataStreamSource =
                env.fromElements(Tuple2.of(1L,3L),Tuple2.of(1L,7L),Tuple2.of(2L,4L),Tuple2.of(1L,5L),Tuple2.of(2L,2L),Tuple2.of(2L,6L));/**
         * 1L, 3L
         * 1L, 7L
         * 1L, 5L
         *
         * 1L,5.0 double
         *
         * 2L, 4L
         * 2L, 2L
         * 2L, 6L
         *
         * 2L,4.0 double
         *
         *
         */// 输出://(1,5.0)//(2,4.0)
        dataStreamSource
                .keyBy(tuple -> tuple.f0)//分组.flatMap(newCountAverageWithListState()).print();

        env.execute("TestStatefulApi");}}importorg.apache.flink.api.common.functions.RichFlatMapFunction;importorg.apache.flink.api.common.state.ListState;importorg.apache.flink.api.common.state.ListStateDescriptor;importorg.apache.flink.api.common.typeinfo.Types;importorg.apache.flink.api.java.tuple.Tuple2;importorg.apache.flink.configuration.Configuration;importorg.apache.flink.shaded.guava18.com.google.common.collect.Lists;importorg.apache.flink.util.Collector;importjava.util.Collections;importjava.util.List;/**
 *  ListState<T> :这个状态为每一个 key 保存集合的值
 *      get() 获取状态值
 *      add() / addAll() 更新状态值,将数据放到状态中
 *      clear() 清除状态
 */publicclassCountAverageWithListStateextendsRichFlatMapFunction<Tuple2<Long,Long>,Tuple2<Long,Double>>{// managed keyed state/**
     * ValueState : 里面只能存一条元素
     * ListState : 里面可以存很多数据
     */privateListState<Tuple2<Long,Long>> elementsByKey;@Overridepublicvoidopen(Configuration parameters)throwsException{// 注册状态ListStateDescriptor<Tuple2<Long,Long>> descriptor =newListStateDescriptor<Tuple2<Long,Long>>("average",// 状态的名字Types.TUPLE(Types.LONG,Types.LONG));// 状态存储的数据类型
        elementsByKey =getRuntimeContext().getListState(descriptor);}@OverridepublicvoidflatMap(Tuple2<Long,Long> element,Collector<Tuple2<Long,Double>> out)throwsException{// 拿到当前的 key 的状态值Iterable<Tuple2<Long,Long>> currentState = elementsByKey.get();// 如果状态值还没有初始化,则初始化if(currentState ==null){
            elementsByKey.addAll(Collections.emptyList());}// 更新状态
        elementsByKey.add(element);// 判断,如果当前的 key 出现了 3 次,则需要计算平均值,并且输出List<Tuple2<Long,Long>> allElements =Lists.newArrayList(elementsByKey.get());if(allElements.size()==3){long count =0;long sum =0;for(Tuple2<Long,Long> ele : allElements){
                count++;
                sum += ele.f1;}double avg =(double) sum / count;
            out.collect(Tuple2.of(element.f0, avg));// 清除状态
            elementsByKey.clear();}}}

MapState

importorg.apache.flink.api.common.functions.RichFlatMapFunction;importorg.apache.flink.api.common.state.MapState;importorg.apache.flink.api.common.state.MapStateDescriptor;importorg.apache.flink.api.java.tuple.Tuple2;importorg.apache.flink.configuration.Configuration;importorg.apache.flink.shaded.guava18.com.google.common.collect.Lists;importorg.apache.flink.util.Collector;importjava.util.List;importjava.util.UUID;/**
 *  MapState<K, V> :这个状态为每一个 key 保存一个 Map 集合
 *      put() 将对应的 key 的键值对放到状态中
 *      values() 拿到 MapState 中所有的 value
 *      clear() 清除状态
 */publicclassCountAverageWithMapStateextendsRichFlatMapFunction<Tuple2<Long,Long>,Tuple2<Long,Double>>{// managed keyed state//1. MapState :key 是一个唯一的值,value 是接收到的相同的 key 对应的 value 的值/**
     * MapState:
     *      Map集合的特点,相同key,会覆盖数据。
     */privateMapState<String,Long> mapState;@Overridepublicvoidopen(Configuration parameters)throwsException{// 注册状态MapStateDescriptor<String,Long> descriptor =newMapStateDescriptor<String,Long>("average",// 状态的名字String.class,Long.class);// 状态存储的数据类型
        mapState =getRuntimeContext().getMapState(descriptor);}/**
     *
     * @param element
     * @param out
     * @throws Exception
     */@OverridepublicvoidflatMap(Tuple2<Long,Long> element,Collector<Tuple2<Long,Double>> out)throwsException{

        mapState.put(UUID.randomUUID().toString(), element.f1);//list// 判断,如果当前的 key 出现了 3 次,则需要计算平均值,并且输出List<Long> allElements =Lists.newArrayList(mapState.values());if(allElements.size()==3){long count =0;long sum =0;for(Long ele : allElements){
                count++;
                sum += ele;}double avg =(double) sum / count;//
            out.collect(Tuple2.of(element.f0, avg));// 清除状态
            mapState.clear();}}}

总结

  1. 是否存在当前处理的 key(current key):operator state 是没有当前 key 的概念,而 keyed state 的数值总是与一个 current key 对应。
  2. 存储对象是否 on heap: 目前 operator state backend 仅有一种 on-heap 的实现;而 keyed state backend 有 on-heap 和 off-heap(RocksDB)的多种实现。
  3. 是否需要手动声明快照(snapshot)和恢复 (restore) 方法:operator state 需要手动实现 snapshot 和 restore 方法;而 keyed state 则由 backend 自行实现,对用户透明。
  4. 数据大小:一般而言,我们认为 operator state 的数据规模是比较小的;认为 keyed state 规模是 相对比较大的。需要注意的是,这是一个经验判断,不是一个绝对的判断区分标准。 更多内容和代码示例请下载Flink State体系剖析以及案例实践
标签: flink flink state

本文转载自: https://blog.csdn.net/gwc791224/article/details/135574235
版权归原作者 shandongwill 所有, 如有侵权,请联系我们删除。

“Flink State 状态管理”的评论:

还没有评论