Flink四大基石_flink embedded-程序员宅基地

技术标签: flink  big data  Flink  大数据  

Checkpoint

  • 目的
    为了保证程序发生故障时状态不丢也不错,它是保证状态一致性而不是数据一致性。
  • 原理
    使用异步屏障快照Asynchronous Barrier Snapshotting(简称 ABS)算法(依赖于Chandy-Lamport算法的变种)实现分布式快照。
  • 流程
    1)JobManager周期性产生Barrier,并广播给所有Source算子。
    2)Source算子收到Barrier后,生成自己的状态快照(包含数据源对应的offset/partition等信息),然后把Barrier广播给下游所有非Source算子
    3)非Source算子收到某条上游算子的Barrier后,会阻塞此上游算子的输入流,把再Barrier之后流过来的数据先放到算子的缓冲区。等收到上游所有算子的Barrier后,此时才会进行生成自己的状态快照,然后把此算子的Barrier广播给下游所有非Source算子。(这里是Barrier对齐机制,保证数据不会被重复处理。当然,如果为了效率,也可以不进行对齐,此时数据会至少处理一次,可能导致数据被重复处理。对于数据的EXACTLY_ONCE来说,在1.11版本对于Barrier对齐机制进行了优化,因为对齐机制会导致checkpoint时间过长以及当作业出现反压时,从而加重作业的反压。此时引入了Unaligned Checkpoint机制,这个机制会导致接受到第一个Barrier时,不会阻塞此流后续数据的计算。这种方法也由坏处就是要持久化一部分缓存数据)
    4)当所有Sink算子完成checkpoint后,且向JobManager发送确认消息后,该次checkpoint完成。

State

  • 状态类型
    1)原生状态(Raw State)
    Raw State是开发者自己管理的,需要自己序列化。
    2)托管状态(Managed State)
    Managed State是由Flink管理的,Flink帮忙存储、恢复和优化。Managed State再进行细分,由两种类型:Keyed State和Operator State。
    Keyed State:一个SubTask有多个State,每一个Key对应一个State。有ValueState,ListState,MapState等
    Operator State:一个SubTask有一个State。有ListState,BroadcastState等
  • 状态后端
    Flink 内置了以下这些开箱即用的 state backends :
    ①HashMapStateBackend:状态数据以 Java 对象的形式存储在堆中。
    ②EmbeddedRocksDBStateBackend:状态数据保存在 RocksDB 数据库中,数据被以序列化字节数组的方式存储,RocksDB 数据库默认将数据存储在 TaskManager 的数据目录。
    如果不设置,默认使用 HashMapStateBackend。
    在Flink1.13版本对状态后端进行了改进,帮助用户更好理解本地状态存储和 checkpoint 存储的区分。
    1)MemoryStateBackend
    旧版本的 MemoryStateBackend 等价于使用 HashMapStateBackend 和 JobManagerCheckpointStorage。
    2)FsStateBackend
    旧版本的 FsStateBackend 等价于使用 HashMapStateBackend 和 FileSystemCheckpointStorage。
    3)RocksDBStateBackend
    旧版本的 RocksDBStateBackend 等价于使用 EmbeddedRocksDBStateBackend 和 FileSystemCheckpointStorage。使用RocksDB状态后端可以设置增量检查点,RocksDB是一个基于LSM树的KV存储。

Time

  • 时间语义
    Flink在1.12版本后默认使用Event Time
    1)处理时间(Process Time)数据进入Flink被处理的系统时间(Operator处理数据的系统时间)
    2)事件时间(Event Time)数据在数据源产生的时间,一般由事件中的时间戳描述,比如用户日志中的TimeStamp。
    3)摄取时间(Ingestion Time)数据进入Flink的时间,记录被Source节点观察到的系统时间。
  • 水位线
    flink1.11中对flink的水印生成接口进行了重构,创建watermark主要有以下三种方式
    1)使用createWatermarkGenerator 创建watermark。
    2)使用固定延时策略生成水印,调用WatermarkStrategy中的静态方法forBoundedOutOfOrderness。
    3)使用单调递增的方式生成水印,调用WatermarkStrategy中的静态方法forMonotonousTimestamps。

Window

  • 分类
    1)Keyed Windows
stream
       .keyBy(...)               <-  keyed versus non-keyed windows
       .window(...)              <-  required: "assigner"
      [.trigger(...)]            <-  optional: "trigger" (else default trigger)
      [.evictor(...)]            <-  optional: "evictor" (else no evictor)
      [.allowedLateness(...)]    <-  optional: "lateness" (else zero)
      [.sideOutputLateData(...)] <-  optional: "output tag" (else no side output for late data)
       .reduce/aggregate/apply()      <-  required: "function"
      [.getSideOutput(...)]      <-  optional: "output tag"

2)Non-Keyed Windows

stream
       .windowAll(...)           <-  required: "assigner"
      [.trigger(...)]            <-  optional: "trigger" (else default trigger)
      [.evictor(...)]            <-  optional: "evictor" (else no evictor)
      [.allowedLateness(...)]    <-  optional: "lateness" (else zero)
      [.sideOutputLateData(...)] <-  optional: "output tag" (else no side output for late data)
       .reduce/aggregate/apply()      <-  required: "function"
      [.getSideOutput(...)]      <-  optional: "output tag"
  • 生命周期
    开始:当应该属于该窗口的第一个元素到达时,就会创建一个窗口。
    结束:当时间超过其结束时间戳加上用户指定的允许延迟时,该窗口将被完全删除。
    每个窗口都有一个触发器和一个函数。函数是用于窗口内数据的计算,触发器是决定此窗口的函数多会进行计算的条件。
  • 类型
    1)Tumbling Windows(滚动窗口)
input
    .keyBy(<key selector>)
    .window(TumblingEventTimeWindows.of(Time.seconds(5)))
    .<windowed transformation>(<window function>);

2)Sliding Windows(滑动窗口)

input
    .keyBy(<key selector>)
    .window(SlidingEventTimeWindows.of(Time.seconds(10), Time.seconds(5)))
    .<windowed transformation>(<window function>);

3)Session Windows(会话窗口)

input
    .keyBy(<key selector>)
    .window(EventTimeSessionWindows.withGap(Time.minutes(10)))
    .<windowed transformation>(<window function>);

4)Global Windows(全局窗口)

input
    .keyBy(<key selector>)
    .window(GlobalWindows.create())
    .<windowed transformation>(<window function>);
  • 窗口函数
    1)增量窗口函数

①ReduceFunction

input
    .keyBy(<key selector>)
    .window(<window assigner>)
    .reduce(new ReduceFunction<Tuple2<String, Long>>() {
    
      public Tuple2<String, Long> reduce(Tuple2<String, Long> v1, Tuple2<String, Long> v2) {
    
        return new Tuple2<>(v1.f0, v1.f1 + v2.f1);
      }
    });

②AggregateFunction
可以统计窗口内数据的个数,进行求平均值等等。(局部计算,全局和并。)

/**
 * The accumulator is used to keep a running sum and a count. The {@code getResult} method
 * computes the average.
 */
private static class AverageAggregate
    implements AggregateFunction<Tuple2<String, Long>, Tuple2<Long, Long>, Double> {
    
  @Override
  public Tuple2<Long, Long> createAccumulator() {
    
    return new Tuple2<>(0L, 0L);
  }

  @Override
  public Tuple2<Long, Long> add(Tuple2<String, Long> value, Tuple2<Long, Long> accumulator) {
    
    return new Tuple2<>(accumulator.f0 + value.f1, accumulator.f1 + 1L);
  }

  @Override
  public Double getResult(Tuple2<Long, Long> accumulator) {
    
    return ((double) accumulator.f0) / accumulator.f1;
  }

  @Override
  public Tuple2<Long, Long> merge(Tuple2<Long, Long> a, Tuple2<Long, Long> b) {
    
    return new Tuple2<>(a.f0 + b.f0, a.f1 + b.f1);
  }
}

DataStream<Tuple2<String, Long>> input = ...;

input
    .keyBy(<key selector>)
    .window(<window assigner>)
    .aggregate(new AverageAggregate());

2)全量窗口函数
ProcessWindowFunction
这个函数更加灵活,但是延迟性更高,且牺牲一定存储空间。

public abstract class ProcessWindowFunction<IN, OUT, KEY, W extends Window> implements Function {
    

    /**
     * Evaluates the window and outputs none or several elements.
     *
     * @param key The key for which this window is evaluated.
     * @param context The context in which the window is being evaluated.
     * @param elements The elements in the window being evaluated.
     * @param out A collector for emitting elements.
     *
     * @throws Exception The function may throw exceptions to fail the program and trigger recovery.
     */
    public abstract void process(
            KEY key,
            Context context,
            Iterable<IN> elements,
            Collector<OUT> out) throws Exception;

   	/**
   	 * The context holding window metadata.
   	 */
   	public abstract class Context implements java.io.Serializable {
    
   	    /**
   	     * Returns the window that is being evaluated.
   	     */
   	    public abstract W window();

   	    /** Returns the current processing time. */
   	    public abstract long currentProcessingTime();

   	    /** Returns the current event-time watermark. */
   	    public abstract long currentWatermark();

   	    /**
   	     * State accessor for per-key and per-window state.
   	     *
   	     * <p><b>NOTE:</b>If you use per-window state you have to ensure that you clean it up
   	     * by implementing {@link ProcessWindowFunction#clear(Context)}.
   	     */
   	    public abstract KeyedStateStore windowState();

   	    /**
   	     * State accessor for per-key global state.
   	     */
   	    public abstract KeyedStateStore globalState();
   	}

}

3)增量和全量窗口函数混合使用
兼顾两者优点
ReduceFunction+ProcessWindowFunction

AggregateFunction+ProcessWindowFunction

版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://blog.csdn.net/qq_42009405/article/details/122836332

智能推荐

Linux虚拟化2(tun)_linux tun mtu-程序员宅基地

文章浏览阅读797次。首先来看一下物理设备上的数据如何是通过Linux网络协议栈送到用户态程序的,如图:物理网卡收到数据后送到网络协议栈,进程通过socket创建特殊套接字,从网络协议栈读取数据。在网络协议栈看来,tun/tap这类虚拟网络设备和物理网卡并无区别。tun/tap设备就是利用Linux的设备文件实现内核态和用户态的数据交互,如图:物理网卡通过网线收发数据,而tun/tap通过设备文件(/dev/tunX)收发数据。所有对/dev/tunX的写操作会通过tun设备转成数据包发送给内核网络协议栈;当内核发包给tu_linux tun mtu

SQL中 JOIN 的两种连接类型:内连接(自然连接、自连接、交叉连接)、外连接(左外连接、右外连接、全外连接)_sql注入join连接-程序员宅基地

文章浏览阅读1k次。3、内连接要求相等的分量,不一定是公共属性,自然连接要求相等的分量必须是公共属性;自然外连接分为自然左外连接和自然右外连接.匹配条件也是由系统自动指定.在MySQL中,可通过求左外连接与右外连接的合集来实现全外连接。自然内连接其实就是内连接,这里的匹配条件是由系统自动指定.2、内连接不把重复的属性除去,自然连接要把重复的属性除去;4、内连接不把重复的属性除去,自然连接要把重复的属性除去。–自然内连接 natural inner join。1、自然连接一定是内连接,内连接不一定是自然连接;_sql注入join连接

python+opencv+EAST做自然场景文本检测_python east-程序员宅基地

文章浏览阅读1w次,点赞7次,收藏37次。英文原文链接:https://www.pyimagesearch.com/2018/08/20/opencv-text-detection-east-text-detector/提醒:作者实现的python的文本检测基于OpenCV的官方C ++示例;在将其转换为Python时遇到了一些麻烦。首先,Python中没有Point2f 和RotatedRect函数,因此,无法100..._python east

HTML中表格标签_html中关于表格所有的标签-程序员宅基地

文章浏览阅读211次。<!DOCTYPE html><html> <head> <meta charset="UTF-8"> <title>表格</title> <style> table{/*为页面中所有table标签添加样式*/ border: black 1px solid; width: 800px;/*设置表格宽度*/ margin: 0 auto;/*设置表格水平居中*/ bord_html中关于表格所有的标签

Kerberos技术实践V1.0_kerberos_patch 1.0-程序员宅基地

文章浏览阅读680次。Kerberos技术实践_kerberos_patch 1.0

SolrQuery实现高亮显示_sql query highlighting-程序员宅基地

文章浏览阅读515次。@Test public void testHighLightingQuery() throws SolrServerException, IOException{ // 初始化solrj服务 HttpSolrServer server = new HttpSolrServer("http://localhost:8080/solr/c..._sql query highlighting

随便推点

python中pycharm的安装与使用方法_python main.py --seed 123 怎么在命令行添加pycharm-程序员宅基地

文章浏览阅读224次。1.首先要有安装包,进行解压2.在普通用户下安装,执行./pycharm.sh脚本3.脚本运行后会出现以下界面4.接受协议,点击continue5.选择don’t send6.选择你喜欢的一种界面7.创建软连接,以后在启动pycharm只需在命令行输入charm启动即可8.创建一个新的工程9.创建路径10.安装必要的插件系统统默认是使用的python2版本..._python main.py --seed 123 怎么在命令行添加pycharm

FileReader:读取文件内容_filereader读取文件内容-程序员宅基地

文章浏览阅读2.1k次。FileReader:读取文件内容1.readAsText():读取文本文件(可以使用Txt打开的文件),返回文本字符串,默认编码是UTF-82.readAsBinaryString():读取任意类型的文件。返回二进制字符串。这个方法不是用来读取文件展示给用户看,而是存储文件。例如:读取文件的内容,获取二进制数据,传递给后台,后台接收了数据之后,再将数据存储3.readAsDataURL():读取文件获取一段以data开头的字符串,这段字符串的本质就是DataURL.DataURL是一种将文件(这个文_filereader读取文件内容

UML关系图_音乐网站排行uml图-程序员宅基地

文章浏览阅读179次。UML关系关联关系即两个类互相包含,使用双向箭头表示 依赖关系即方法参数上的依赖,使用虚线箭头表示,其中箭头指向部分 聚合关系即部分与整体之间的关系,如类A中有属性值为B,使用 菱形空心箭头表示其中空心端为整体组合关系也是部分与整体之间的关系,与聚合关系的区别在于组合中部分单独存在没有意义,部分需要依赖于整体才能存在,使用菱形实心箭头表示其中实心端为整体 泛化关系即..._音乐网站排行uml图

MyEclipse莫名其妙打不开*.xml文件-程序员宅基地

文章浏览阅读3.9k次。今天要打开struts.xml文件时莫名其妙报错,试了几种方法都没用:后来用了一下方式打开:鼠标放在待打开xml文件,点击右键,然后选择open with。。。选择MyEclipse Struts2 configeditor即可!

java打印乘法口诀_java从键盘输入一个1到之间的数,如若输入6则打印六六乘法表-程序员宅基地

文章浏览阅读547次。一直以为打印乘法口诀要用两个for循环,今天发现用一个for循环就能达到同样的效果,java代码如下://打印乘法口诀public class multiTable { //主函数 public static void main(String[] args) { // 一个for循环,两个参数实现了循环的嵌套效果 for (int i = 1, j = 1; j <= 9;_java从键盘输入一个1到之间的数,如若输入6则打印六六乘法表

TIME_WAIT数量过多--请求无响应_大量time_wait,导致resin 请求进不-程序员宅基地

文章浏览阅读2k次。本文转自:https://www.cnblogs.com/Jtianlin/p/4339931.htmlhttp://www.cnblogs.com/Rosanna/p/3446557.html使文件立刻生效命令:/sbin/sysctl -p/proc/sys目录下存放着大多数内核参数,并且可以在系统运行时进行更改,不过重新启动机器就会失效。/etc/sysctl.conf是一个允许..._大量time_wait,导致resin 请求进不