• Flink状态

    8.1 Flink中的状态

    8.1.1 概述

     

    状态的分类

    1）托管状态（Managed State）和原始状态（Raw State）

    Flink的状态有两种：托管状态（Managed State）和原始状态（Raw State）。托管状态就是由Flink统一管理的，状态的存储访问、故障恢复和重组等一系列问题都由Flink实现，我们只要调接口就可以；而原始状态则是自定义的，相当于就是开辟了一块内存，需要我们自己管理，实现状态的序列化和故障恢复。

    通常我们采用Flink托管状态来实现需求。

    2）算子状态（Operator State）和按键分区状态（Keyed State）

    接下来我们的重点就是托管状态（Managed State）。

    我们知道在Flink中，一个算子任务会按照并行度分为多个并行子任务执行，而不同的子任务会占据不同的任务槽（task slot）。由于不同的slot在计算资源上是物理隔离的，所以Flink能管理的状态在并行任务间是无法共享的，每个状态只能针对当前子任务的实例有效。

    而很多有状态的操作（比如聚合、窗口）都是要先做keyBy进行按键分区的。按键分区之后，任务所进行的所有计算都应该只针对当前key有效，所以状态也应该按照key彼此隔离。在这种情况下，状态的访问方式又会有所不同。

    基于这样的想法，我们又可以将托管状态分为两类：算子状态和按键分区状态。

     

     

    另外，也可以通过富函数类（Rich Function）来自定义Keyed State，所以只要提供了富函数类接口的算子，也都可以使用Keyed State。所以即使是map、filter这样无状态的基本转换算子，我们也可以通过富函数类给它们“追加”Keyed State。比如RichMapFunction、RichFilterFunction。在富函数中，我们可以调用.getRuntimeContext()获取当前的运行时上下文（RuntimeContext），进而获取到访问状态的句柄；这种富函数中自定义的状态也是Keyed State。从这个角度讲，Flink中所有的算子都可以是有状态的。

    无论是Keyed State还是Operator State，它们都是在本地实例上维护的，也就是说每个并行子任务维护着对应的状态，算子的子任务之间状态不共享。

    8.2 按键分区状态（Keyed State）

    按键分区状态（Keyed State）顾名思义，是任务按照键（key）来访问和维护的状态。它的特点非常鲜明，就是以key为作用范围进行隔离。

    需要注意，使用Keyed State必须基于KeyedStream。没有进行keyBy分区的DataStream，即使转换算子实现了对应的富函数类，也不能通过运行时上下文访问Keyed State。

    8.2.1 值状态（ValueState）

    顾名思义，状态中只保存一个“值”（value）。ValueState本身是一个接口，源码中定义如下：

    public interface ValueState extends State {

        T value() throws IOException;

        void update(T value) throws IOException;

    }

    这里的T是泛型，表示状态的数据内容可以是任何具体的数据类型。如果想要保存一个长整型值作为状态，那么类型就是ValueState。

    我们可以在代码中读写值状态，实现对于状态的访问和更新。

    1. T value()：获取当前状态的值；
    2. update(T value)：对状态进行更新，传入的参数value就是要覆写的状态值。

    在具体使用时，为了让运行时上下文清楚到底是哪个状态，我们还需要创建一个“状态描述器”（StateDescriptor）来提供状态的基本信息。例如源码中，ValueState的状态描述器构造方法如下：

    public ValueStateDescriptor(String name, Class typeClass) {

        super(name, typeClass, null);

    }

    这里需要传入状态的名称和类型——这跟我们声明一个变量时做的事情完全一样。

    案例需求：检测每种传感器的水位值，如果连续的两个水位值超过10，就输出报警。

    1. public class KeyedValueStateDemo {
    2.     public static void main(String[] args) throws Exception {
    3.         StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
    4.         env.setParallelism(1);
    5.  
    6.  
    7.         SingleOutputStreamOperator sensorDS = env
    8.                 .socketTextStream("hadoop102", 7777)
    9.                 .map(new WaterSensorMapFunction())
    10.                 .assignTimestampsAndWatermarks(
    11.                         WatermarkStrategy
    12.                                 .forBoundedOutOfOrderness(Duration.ofSeconds(3))
    13.                                 .withTimestampAssigner((element, ts) -> element.getTs() * 1000L)
    14.                 );
    15.  
    16.         sensorDS.keyBy(r -> r.getId())
    17.                 .process(
    18.                         new KeyedProcessFunction() {
    19.  
    20.                             // TODO 1.定义状态
    21.                             ValueState lastVcState;
    22.  
    23.  
    24.                             @Override
    25.                             public void open(Configuration parameters) throws Exception {
    26.                                 super.open(parameters);
    27.                                 // TODO 2.在open方法中，初始化状态
    28.                                 // 状态描述器两个参数：第一个参数，起个名字，不重复；第二个参数，存储的类型
    29.                                 lastVcState = getRuntimeContext().getState(new ValueStateDescriptor("lastVcState", Types.INT));
    30.                             }
    31.  
    32.                             @Override
    33.                             public void processElement(WaterSensor value, Context ctx, Collector out) throws Exception {
    34. //                                lastVcState.value();  // 取出 本组 值状态 的数据
    35. //                                lastVcState.update(); // 更新 本组 值状态 的数据
    36. //                                lastVcState.clear();  // 清除 本组 值状态 的数据
    37.  
    38.  
    39.                                 // 1. 取出上一条数据的水位值(Integer默认值是null，判断)
    40.                                 int lastVc = lastVcState.value() == null ? 0 : lastVcState.value();
    41.                                 // 2. 求差值的绝对值，判断是否超过10
    42.                                 Integer vc = value.getVc();
    43.                                 if (Math.abs(vc - lastVc) > 10) {
    44.                                     out.collect("传感器=" + value.getId() + "==>当前水位值=" + vc + ",与上一条水位值=" + lastVc + ",相差超过10！！！！");
    45.                                 }
    46.                                 // 3. 更新状态里的水位值
    47.                                 lastVcState.update(vc);
    48.                             }
    49.                         }
    50.                 )
    51.                 .print();
    52.  
    53.         env.execute();
    54.     }
    55. }

     

    8.2.2 列表状态（ListState）

    将需要保存的数据，以列表（List）的形式组织起来。在ListState接口中同样有一个类型参数T，表示列表中数据的类型。ListState也提供了一系列的方法来操作状态，使用方式与一般的List非常相似。

    1. Iterable get()：获取当前的列表状态，返回的是一个可迭代类型Iterable；
    2. update(List values)：传入一个列表values，直接对状态进行覆盖；
    3. add(T value)：在状态列表中添加一个元素value；
    4. addAll(List values)：向列表中添加多个元素，以列表values形式传入。

    类似地，ListState的状态描述器就叫作ListStateDescriptor，用法跟ValueStateDescriptor完全一致。

    案例:针对每种传感器输出最高的3个水位值

    1. public class KeyedListStateDemo {
    2.     public static void main(String[] args) throws Exception {
    3.         StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
    4.         env.setParallelism(1);
    5.  
    6.  
    7.         SingleOutputStreamOperator sensorDS = env
    8.                 .socketTextStream("hadoop102", 7777)
    9.                 .map(new WaterSensorMapFunction())
    10.                 .assignTimestampsAndWatermarks(
    11.                         WatermarkStrategy
    12.                                 .forBoundedOutOfOrderness(Duration.ofSeconds(3))
    13.                                 .withTimestampAssigner((element, ts) -> element.getTs() * 1000L)
    14.                 );
    15.  
    16.         sensorDS.keyBy(r -> r.getId())
    17.                 .process(
    18.                         new KeyedProcessFunction() {
    19.  
    20.                             ListState vcListState;
    21.  
    22.                             @Override
    23.                             public void open(Configuration parameters) throws Exception {
    24.                                 super.open(parameters);
    25.                                 vcListState = getRuntimeContext().getListState(new ListStateDescriptor("vcListState", Types.INT));
    26.                             }
    27.  
    28.                             @Override
    29.                             public void processElement(WaterSensor value, Context ctx, Collector out) throws Exception {
    30.                                 // 1.来一条，存到list状态里
    31.                                 vcListState.add(value.getVc());
    32.  
    33.                                 // 2.从list状态拿出来(Iterable)， 拷贝到一个List中，排序， 只留3个最大的
    34.                                 Iterable vcListIt = vcListState.get();
    35.                                 // 2.1 拷贝到List中
    36.                                 List vcList = new ArrayList<>();
    37.                                 for (Integer vc : vcListIt) {
    38.                                     vcList.add(vc);
    39.                                 }
    40.                                 // 2.2 对List进行降序排序
    41.                                 vcList.sort((o1, o2) -> o2 - o1);
    42.                                 // 2.3 只保留最大的3个(list中的个数一定是连续变大，一超过3就立即清理即可)
    43.                                 if (vcList.size() > 3) {
    44.                                     // 将最后一个元素清除（第4个）
    45.                                     vcList.remove(3);
    46.                                 }
    47.  
    48.                                 out.collect("传感器id为" + value.getId() + ",最大的3个水位值=" + vcList.toString());
    49.  
    50.                                 // 3.更新list状态
    51.                                 vcListState.update(vcList);
    52.  
    53.  
    54. //                                vcListState.get();            //取出 list状态 本组的数据，是一个Iterable
    55. //                                vcListState.add();            // 向 list状态 本组 添加一个元素
    56. //                                vcListState.addAll();         // 向 list状态 本组 添加多个元素
    57. //                                vcListState.update();         // 更新 list状态 本组数据（覆盖）
    58. //                                vcListState.clear();          // 清空List状态 本组数据
    59.                             }
    60.                         }
    61.                 )
    62.                 .print();
    63.  
    64.         env.execute();
    65.     }
    66. }

    8.2.3 Map状态（MapState）

    把一些键值对（key-value）作为状态整体保存起来，可以认为就是一组key-value映射的列表。对应的MapState接口中，就会有UK、UV两个泛型，分别表示保存的key和value的类型。同样，MapState提供了操作映射状态的方法，与Map的使用非常类似。

    1. UV get(UK key)：传入一个key作为参数，查询对应的value值；
    2. put(UK key, UV value)：传入一个键值对，更新key对应的value值；
    3. putAll(Map map)：将传入的映射map中所有的键值对，全部添加到映射状态中；
    4. remove(UK key)：将指定key对应的键值对删除；
    5. boolean contains(UK key)：判断是否存在指定的key，返回一个boolean值。

    另外，MapState也提供了获取整个映射相关信息的方法；

    1. Iterable> entries()：获取映射状态中所有的键值对；
    2. Iterable keys()：获取映射状态中所有的键（key），返回一个可迭代Iterable类型；
    3. Iterable values()：获取映射状态中所有的值（value），返回一个可迭代Iterable类型；
    4. boolean isEmpty()：判断映射是否为空，返回一个boolean值。

    案例需求：统计每种传感器每种水位值出现的次数。

    1. public class KeyedMapStateDemo {
    2.     public static void main(String[] args) throws Exception {
    3.         StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
    4.         env.setParallelism(1);
    5.  
    6.  
    7.         SingleOutputStreamOperator sensorDS = env
    8.                 .socketTextStream("hadoop102", 7777)
    9.                 .map(new WaterSensorMapFunction())
    10.                 .assignTimestampsAndWatermarks(
    11.                         WatermarkStrategy
    12.                                 .forBoundedOutOfOrderness(Duration.ofSeconds(3))
    13.                                 .withTimestampAssigner((element, ts) -> element.getTs() * 1000L)
    14.                 );
    15.  
    16.         sensorDS.keyBy(r -> r.getId())
    17.                 .process(
    18.                         new KeyedProcessFunction() {
    19.  
    20.                             MapState vcCountMapState;
    21.  
    22.                             @Override
    23.                             public void open(Configuration parameters) throws Exception {
    24.                                 super.open(parameters);
    25.                                 vcCountMapState = getRuntimeContext().getMapState(new MapStateDescriptor("vcCountMapState", Types.INT, Types.INT));
    26.                             }
    27.  
    28.                             @Override
    29.                             public void processElement(WaterSensor value, Context ctx, Collector out) throws Exception {
    30.                                 // 1.判断是否存在vc对应的key
    31.                                 Integer vc = value.getVc();
    32.                                 if (vcCountMapState.contains(vc)) {
    33.                                     // 1.1 如果包含这个vc的key，直接对value+1
    34.                                     Integer count = vcCountMapState.get(vc);
    35.                                     vcCountMapState.put(vc, ++count);
    36.                                 } else {
    37.                                     // 1.2 如果不包含这个vc的key，初始化put进去
    38.                                     vcCountMapState.put(vc, 1);
    39.                                 }
    40.  
    41.                                 // 2.遍历Map状态，输出每个k-v的值
    42.                                 StringBuilder outStr = new StringBuilder();
    43.                                 outStr.append("======================================\n");
    44.                                 outStr.append("传感器id为" + value.getId() + "\n");
    45.                                 for (Map.Entry vcCount : vcCountMapState.entries()) {
    46.                                     outStr.append(vcCount.toString() + "\n");
    47.                                 }
    48.                                 outStr.append("======================================\n");
    49.  
    50.                                 out.collect(outStr.toString());
    51.  
    52.  
    53. //                                vcCountMapState.get();          // 对本组的Map状态，根据key，获取value
    54. //                                vcCountMapState.contains();     // 对本组的Map状态，判断key是否存在
    55. //                                vcCountMapState.put(, );        // 对本组的Map状态，添加一个 键值对
    56. //                                vcCountMapState.putAll();  // 对本组的Map状态，添加多个 键值对
    57. //                                vcCountMapState.entries();      // 对本组的Map状态，获取所有键值对
    58. //                                vcCountMapState.keys();         // 对本组的Map状态，获取所有键
    59. //                                vcCountMapState.values();       // 对本组的Map状态，获取所有值
    60. //                                vcCountMapState.remove();   // 对本组的Map状态，根据指定key，移除键值对
    61. //                                vcCountMapState.isEmpty();      // 对本组的Map状态，判断是否为空
    62. //                                vcCountMapState.iterator();     // 对本组的Map状态，获取迭代器
    63. //                                vcCountMapState.clear();        // 对本组的Map状态，清空
    64.  
    65.                             }
    66.                         }
    67.                 )
    68.                 .print();
    69.  
    70.         env.execute();
    71.     }
    72. }

    8.2.4 归约状态（ReducingState）

    类似于值状态（Value），不过需要对添加进来的所有数据进行归约，将归约聚合之后的值作为状态保存下来。ReducingState这个接口调用的方法类似于ListState，只不过它保存的只是一个聚合值，所以调用.add()方法时，不是在状态列表里添加元素，而是直接把新数据和之前的状态进行归约，并用得到的结果更新状态。

    归约逻辑的定义，是在归约状态描述器（ReducingStateDescriptor）中，通过传入一个归约函数（ReduceFunction）来实现的。这里的归约函数，就是我们之前介绍reduce聚合算子时讲到的ReduceFunction，所以状态类型跟输入的数据类型是一样的。

    public ReducingStateDescriptor(

        String name, ReduceFunction reduceFunction, Class typeClass) {...}

    这里的描述器有三个参数，其中第二个参数就是定义了归约聚合逻辑的ReduceFunction，另外两个参数则是状态的名称和类型。

    案例：计算每种传感器的水位和

    1. package com.atguigu.state;
    2.  
    3. import com.atguigu.bean.WaterSensor;
    4. import com.atguigu.functions.WaterSensorMapFunction;
    5. import org.apache.flink.api.common.eventtime.WatermarkStrategy;
    6. import org.apache.flink.api.common.functions.ReduceFunction;
    7. import org.apache.flink.api.common.state.MapState;
    8. import org.apache.flink.api.common.state.MapStateDescriptor;
    9. import org.apache.flink.api.common.state.ReducingState;
    10. import org.apache.flink.api.common.state.ReducingStateDescriptor;
    11. import org.apache.flink.api.common.typeinfo.Types;
    12. import org.apache.flink.configuration.Configuration;
    13. import org.apache.flink.streaming.api.datastream.SingleOutputStreamOperator;
    14. import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
    15. import org.apache.flink.streaming.api.functions.KeyedProcessFunction;
    16. import org.apache.flink.util.Collector;
    17.  
    18. import java.time.Duration;
    19. import java.util.Map;
    20.  
    21. /**
    22.  * TODO 计算每种传感器的水位和
    23.  *
    24.  * @author cjp
    25.  * @version 1.0
    26.  */
    27. public class KeyedReducingStateDemo {
    28.     public static void main(String[] args) throws Exception {
    29.         StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
    30.         env.setParallelism(1);
    31.  
    32.  
    33.         SingleOutputStreamOperator sensorDS = env
    34.                 .socketTextStream("hadoop102", 7777)
    35.                 .map(new WaterSensorMapFunction())
    36.                 .assignTimestampsAndWatermarks(
    37.                         WatermarkStrategy
    38.                                 .forBoundedOutOfOrderness(Duration.ofSeconds(3))
    39.                                 .withTimestampAssigner((element, ts) -> element.getTs() * 1000L)
    40.                 );
    41.  
    42.         sensorDS.keyBy(r -> r.getId())
    43.                 .process(
    44.                         new KeyedProcessFunction() {
    45.  
    46.                             ReducingState vcSumReducingState;
    47.  
    48.                             @Override
    49.                             public void open(Configuration parameters) throws Exception {
    50.                                 super.open(parameters);
    51.                                 vcSumReducingState = getRuntimeContext()
    52.                                         .getReducingState(
    53.                                                 new ReducingStateDescriptor(
    54.                                                         "vcSumReducingState",
    55.                                                         new ReduceFunction() {
    56.                                                             @Override
    57.                                                             public Integer reduce(Integer value1, Integer value2) throws Exception {
    58.                                                                 return value1 + value2;
    59.                                                             }
    60.                                                         },
    61.                                                         Types.INT
    62.                                                 )
    63.                                         );
    64.                             }
    65.  
    66.                             @Override
    67.                             public void processElement(WaterSensor value, Context ctx, Collector out) throws Exception {
    68.                                 // 来一条数据，添加到 reducing状态里
    69.                                 vcSumReducingState.add(value.getVc());
    70.                                 Integer vcSum = vcSumReducingState.get();
    71.                                 out.collect("传感器id为" + value.getId() + ",水位值总和=" + vcSum);
    72.  
    73.  
    74. //                                vcSumReducingState.get();   // 对本组的Reducing状态，获取结果
    75. //                                vcSumReducingState.add();   // 对本组的Reducing状态，添加数据
    76. //                                vcSumReducingState.clear(); // 对本组的Reducing状态，清空数据
    77.                             }
    78.                         }
    79.                 )
    80.                 .print();
    81.  
    82.         env.execute();
    83.     }
    84. }

    8.2.5 聚合状态（AggregatingState）

    与归约状态非常类似，聚合状态也是一个值，用来保存添加进来的所有数据的聚合结果。与ReducingState不同的是，它的聚合逻辑是由在描述器中传入一个更加一般化的聚合函数（AggregateFunction）来定义的；这也就是之前我们讲过的AggregateFunction，里面通过一个累加器（Accumulator）来表示状态，所以聚合的状态类型可以跟添加进来的数据类型完全不同，使用更加灵活。

    同样地，AggregatingState接口调用方法也与ReducingState相同，调用.add()方法添加元素时，会直接使用指定的AggregateFunction进行聚合并更新状态。

    案例需求：计算每种传感器的平均水位

    1. public class KeyedAggregatingStateDemo {
    2.     public static void main(String[] args) throws Exception {
    3.         StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
    4.         env.setParallelism(1);
    5.  
    6.  
    7.         SingleOutputStreamOperator sensorDS = env
    8.                 .socketTextStream("hadoop102", 7777)
    9.                 .map(new WaterSensorMapFunction())
    10.                 .assignTimestampsAndWatermarks(
    11.                         WatermarkStrategy
    12.                                 .forBoundedOutOfOrderness(Duration.ofSeconds(3))
    13.                                 .withTimestampAssigner((element, ts) -> element.getTs() * 1000L)
    14.                 );
    15.  
    16.         sensorDS.keyBy(r -> r.getId())
    17.                 .process(
    18.                         new KeyedProcessFunction() {
    19.  
    20.                             AggregatingState vcAvgAggregatingState;
    21.  
    22.                             @Override
    23.                             public void open(Configuration parameters) throws Exception {
    24.                                 super.open(parameters);
    25.                                 vcAvgAggregatingState = getRuntimeContext()
    26.                                         .getAggregatingState(
    27.                                                 new AggregatingStateDescriptor, Double>(
    28.                                                         "vcAvgAggregatingState",
    29.                                                         new AggregateFunction, Double>() {
    30.                                                             @Override
    31.                                                             public Tuple2 createAccumulator() {
    32.                                                                 return Tuple2.of(0, 0);
    33.                                                             }
    34.  
    35.                                                             @Override
    36.                                                             public Tuple2 add(Integer value, Tuple2 accumulator) {
    37.                                                                 return Tuple2.of(accumulator.f0 + value, accumulator.f1 + 1);
    38.                                                             }
    39.  
    40.                                                             @Override
    41.                                                             public Double getResult(Tuple2 accumulator) {
    42.                                                                 return accumulator.f0 * 1D / accumulator.f1;
    43.                                                             }
    44.  
    45.                                                             @Override
    46.                                                             public Tuple2 merge(Tuple2 a, Tuple2 b) {
    47. //                                                                return Tuple2.of(a.f0 + b.f0, a.f1 + b.f1);
    48.                                                                 return null;
    49.                                                             }
    50.                                                         },
    51.                                                         Types.TUPLE(Types.INT, Types.INT))
    52.                                         );
    53.                             }
    54.  
    55.                             @Override
    56.                             public void processElement(WaterSensor value, Context ctx, Collector out) throws Exception {
    57.                                 // 将 水位值 添加到  聚合状态中
    58.                                 vcAvgAggregatingState.add(value.getVc());
    59.                                 // 从 聚合状态中 获取结果
    60.                                 Double vcAvg = vcAvgAggregatingState.get();
    61.  
    62.                                 out.collect("传感器id为" + value.getId() + ",平均水位值=" + vcAvg);
    63.  
    64. //                                vcAvgAggregatingState.get();    // 对 本组的聚合状态 获取结果
    65. //                                vcAvgAggregatingState.add();    // 对 本组的聚合状态 添加数据，会自动进行聚合
    66. //                                vcAvgAggregatingState.clear();  // 对 本组的聚合状态 清空数据
    67.                             }
    68.                         }
    69.                 )
    70.                 .print();
    71.  
    72.         env.execute();
    73.     }
    74. }

     

    8.2.6 状态生存时间（TTL）

    在实际应用中，很多状态会随着时间的推移逐渐增长，如果不加以限制，最终就会导致存储空间的耗尽。一个优化的思路是直接在代码中调用.clear()方法去清除状态，但是有时候我们的逻辑要求不能直接清除。这时就需要配置一个状态的“生存时间”（time-to-live，TTL），当状态在内存中存在的时间超出这个值时，就将它清除。

    具体实现上，如果用一个进程不停地扫描所有状态看是否过期，显然会占用大量资源做无用功。状态的失效其实不需要立即删除，所以我们可以给状态附加一个属性，也就是状态的“失效时间”。状态创建的时候，设置 失效时间 = 当前时间 + TTL；之后如果有对状态的访问和修改，我们可以再对失效时间进行更新；当设置的清除条件被触发时（比如，状态被访问的时候，或者每隔一段时间扫描一次失效状态），就可以判断状态是否失效、从而进行清除了。

    配置状态的TTL时，需要创建一个StateTtlConfig配置对象，然后调用状态描述器的.enableTimeToLive()方法启动TTL功能。

    StateTtlConfig ttlConfig = StateTtlConfig

        .newBuilder(Time.seconds(10))

        .setUpdateType(StateTtlConfig.UpdateType.OnCreateAndWrite)

        .setStateVisibility(StateTtlConfig.StateVisibility.NeverReturnExpired)

        .build();

    ValueStateDescriptor stateDescriptor = new ValueStateDescriptor<>("my state", String.class);

    stateDescriptor.enableTimeToLive(ttlConfig);

    这里用到了几个配置项：

    1. .newBuilder()

    状态TTL配置的构造器方法，必须调用，返回一个Builder之后再调用.build()方法就可以得到StateTtlConfig了。方法需要传入一个Time作为参数，这就是设定的状态生存时间。

    1. .setUpdateType()

    设置更新类型。更新类型指定了什么时候更新状态失效时间，这里的OnCreateAndWrite表示只有创建状态和更改状态（写操作）时更新失效时间。另一种类型OnReadAndWrite则表示无论读写操作都会更新失效时间，也就是只要对状态进行了访问，就表明它是活跃的，从而延长生存时间。这个配置默认为OnCreateAndWrite。

    1. .setStateVisibility()

    设置状态的可见性。所谓的“状态可见性”，是指因为清除操作并不是实时的，所以当状态过期之后还有可能继续存在，这时如果对它进行访问，能否正常读取到就是一个问题了。这里设置的NeverReturnExpired是默认行为，表示从不返回过期值，也就是只要过期就认为它已经被清除了，应用不能继续读取；这在处理会话或者隐私数据时比较重要。对应的另一种配置是ReturnExpireDefNotCleanedUp，就是如果过期状态还存在，就返回它的值。

    除此之外，TTL配置还可以设置在保存检查点（checkpoint）时触发清除操作，或者配置增量的清理（incremental cleanup），还可以针对RocksDB状态后端使用压缩过滤器（compaction filter）进行后台清理。这里需要注意，目前的TTL设置只支持处理时间。

    1. public class StateTTLDemo {
    2.     public static void main(String[] args) throws Exception {
    3.         StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
    4.         env.setParallelism(1);
    5.  
    6.  
    7.         SingleOutputStreamOperator sensorDS = env
    8.                 .socketTextStream("hadoop102", 7777)
    9.                 .map(new WaterSensorMapFunction())
    10.                 .assignTimestampsAndWatermarks(
    11.                         WatermarkStrategy
    12.                                 .forBoundedOutOfOrderness(Duration.ofSeconds(3))
    13.                                 .withTimestampAssigner((element, ts) -> element.getTs() * 1000L)
    14.                 );
    15.  
    16.         sensorDS.keyBy(r -> r.getId())
    17.                 .process(
    18.                         new KeyedProcessFunction() {
    19.  
    20.                             ValueState lastVcState;
    21.  
    22.  
    23.                             @Override
    24.                             public void open(Configuration parameters) throws Exception {
    25.                                 super.open(parameters);
    26.  
    27.                                 // TODO 1.创建 StateTtlConfig
    28.                                 StateTtlConfig stateTtlConfig = StateTtlConfig
    29.                                         .newBuilder(Time.seconds(5)) // 过期时间5s
    30. //                                        .setUpdateType(StateTtlConfig.UpdateType.OnCreateAndWrite) // 状态 创建和写入（更新） 更新 过期时间
    31.                                         .setUpdateType(StateTtlConfig.UpdateType.OnReadAndWrite) // 状态 读取、创建和写入（更新） 更新 过期时间
    32.                                         .setStateVisibility(StateTtlConfig.StateVisibility.NeverReturnExpired) // 不返回过期的状态值
    33.                                         .build();
    34.  
    35.                                 // TODO 2.状态描述器 启用 TTL
    36.                                 ValueStateDescriptor stateDescriptor = new ValueStateDescriptor<>("lastVcState", Types.INT);
    37.                                 stateDescriptor.enableTimeToLive(stateTtlConfig);
    38.  
    39.  
    40.                                 this.lastVcState = getRuntimeContext().getState(stateDescriptor);
    41.  
    42.                             }
    43.  
    44.                             @Override
    45.                             public void processElement(WaterSensor value, Context ctx, Collector out) throws Exception {
    46.                                 // 先获取状态值，打印 ==》 读取状态
    47.                                 Integer lastVc = lastVcState.value();
    48.                                 out.collect("key=" + value.getId() + ",状态值=" + lastVc);
    49.  
    50.                                 // 如果水位大于10，更新状态值 ===》 写入状态
    51.                                 if (value.getVc() > 10) {
    52.                                     lastVcState.update(value.getVc());
    53.                                 }
    54.                             }
    55.                         }
    56.                 )
    57.                 .print();
    58.  
    59.         env.execute();
    60.     }
    61. }

    算子状态（Operator State）

    算子状态（Operator State）就是一个算子并行实例上定义的状态，作用范围被限定为当前算子任务。算子状态跟数据的key无关，所以不同key的数据只要被分发到同一个并行子任务，就会访问到同一个Operator State。

    算子状态的实际应用场景不如Keyed State多，一般用在Source或Sink等与外部系统连接的算子上，或者完全没有key定义的场景。比如Flink的Kafka连接器中，就用到了算子状态。

    当算子的并行度发生变化时，算子状态也支持在并行的算子任务实例之间做重组分配。根据状态的类型不同，重组分配的方案也会不同。

    算子状态也支持不同的结构类型，主要有三种：ListState、UnionListState和BroadcastState。

    8.3.1 列表状态（ListState）

    与Keyed State中的ListState一样，将状态表示为一组数据的列表。

    与Keyed State中的列表状态的区别是：在算子状态的上下文中，不会按键（key）分别处理状态，所以每一个并行子任务上只会保留一个“列表”（list），也就是当前并行子任务上所有状态项的集合。列表中的状态项就是可以重新分配的最细粒度，彼此之间完全独立。

    当算子并行度进行缩放调整时，算子的列表状态中的所有元素项会被统一收集起来，相当于把多个分区的列表合并成了一个“大列表”，然后再均匀地分配给所有并行任务。这种“均匀分配”的具体方法就是“轮询”（round-robin），与之前介绍的rebanlance数据传输方式类似，是通过逐一“发牌”的方式将状态项平均分配的。这种方式也叫作“平均分割重组”（even-split redistribution）。

    算子状态中不会存在“键组”（key group）这样的结构，所以为了方便重组分配，就把它直接定义成了“列表”（list）。这也就解释了，为什么算子状态中没有最简单的值状态（ValueState）。

    案例实操：在map算子中计算数据的个数。

    1. public class OperatorListStateDemo {
    2.     public static void main(String[] args) throws Exception {
    3.         StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
    4.         env.setParallelism(2);
    5.  
    6.         env
    7.                 .socketTextStream("hadoop102", 7777)
    8.                 .map(new MyCountMapFunction())
    9.                 .print();
    10.  
    11.  
    12.         env.execute();
    13.     }
    14.  
    15.  
    16.     // TODO 1.实现 CheckpointedFunction 接口
    17.     public static class MyCountMapFunction implements MapFunction, CheckpointedFunction {
    18.  
    19.         private Long count = 0L;
    20.         private ListState state;
    21.  
    22.  
    23.         @Override
    24.         public Long map(String value) throws Exception {
    25.             return ++count;
    26.         }
    27.  
    28.         /**
    29.          * TODO 2.本地变量持久化：将 本地变量 拷贝到 算子状态中,开启checkpoint时才会调用
    30.          *
    31.          * @param context
    32.          * @throws Exception
    33.          */
    34.         @Override
    35.         public void snapshotState(FunctionSnapshotContext context) throws Exception {
    36.             System.out.println("snapshotState...");
    37.             // 2.1 清空算子状态
    38.             state.clear();
    39.             // 2.2 将 本地变量 添加到 算子状态 中
    40.             state.add(count);
    41.         }
    42.  
    43.         /**
    44.          * TODO 3.初始化本地变量：程序启动和恢复时， 从状态中 把数据添加到 本地变量，每个子任务调用一次
    45.          *
    46.          * @param context
    47.          * @throws Exception
    48.          */
    49.         @Override
    50.         public void initializeState(FunctionInitializationContext context) throws Exception {
    51.             System.out.println("initializeState...");
    52.             // 3.1 从 上下文 初始化 算子状态
    53.             state = context
    54.                     .getOperatorStateStore()
    55.                     .getListState(new ListStateDescriptor("state", Types.LONG));
    56.  
    57.             // 3.2 从 算子状态中 把数据 拷贝到 本地变量
    58.             if (context.isRestored()) {
    59.                 for (Long c : state.get()) {
    60.                     count += c;
    61.                 }
    62.             }
    63.         }
    64.     }
    65. }

    8.3.2 联合列表状态（UnionListState）

    与ListState类似，联合列表状态也会将状态表示为一个列表。它与常规列表状态的区别在于，算子并行度进行缩放调整时对于状态的分配方式不同。

    UnionListState的重点就在于“联合”（union）。在并行度调整时，常规列表状态是轮询分配状态项，而联合列表状态的算子则会直接广播状态的完整列表。这样，并行度缩放之后的并行子任务就获取到了联合后完整的“大列表”，可以自行选择要使用的状态项和要丢弃的状态项。这种分配也叫作“联合重组”（union redistribution）。如果列表中状态项数量太多，为资源和效率考虑一般不建议使用联合重组的方式。

    使用方式同ListState，区别在如下标红部分：

    state = context

                  .getOperatorStateStore()

                  .getUnionListState(new ListStateDescriptor("union-state", Types.LONG));

    8.3.3 广播状态（BroadcastState）

    有时我们希望算子并行子任务都保持同一份“全局”状态，用来做统一的配置和规则设定。这时所有分区的所有数据都会访问到同一个状态，状态就像被“广播”到所有分区一样，这种特殊的算子状态，就叫作广播状态（BroadcastState）。

    因为广播状态在每个并行子任务上的实例都一样，所以在并行度调整的时候就比较简单，只要复制一份到新的并行任务就可以实现扩展；而对于并行度缩小的情况，可以将多余的并行子任务连同状态直接砍掉——因为状态都是复制出来的，并不会丢失。

    案例实操：水位超过指定的阈值发送告警，阈值可以动态修改。

    1. public class OperatorBroadcastStateDemo {
    2.     public static void main(String[] args) throws Exception {
    3.         StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
    4.         env.setParallelism(2);
    5.  
    6.  
    7.         // 数据流
    8.         SingleOutputStreamOperator sensorDS = env
    9.                 .socketTextStream("hadoop102", 7777)
    10.                 .map(new WaterSensorMapFunction());
    11.  
    12.         // 配置流（用来广播配置）
    13.         DataStreamSource configDS = env.socketTextStream("hadoop102", 8888);
    14.  
    15.         // TODO 1. 将 配置流 广播
    16.         MapStateDescriptor broadcastMapState = new MapStateDescriptor<>("broadcast-state", Types.STRING, Types.INT);
    17.         BroadcastStream configBS = configDS.broadcast(broadcastMapState);
    18.  
    19.         // TODO 2.把 数据流 和 广播后的配置流 connect
    20.         BroadcastConnectedStream sensorBCS = sensorDS.connect(configBS);
    21.  
    22.         // TODO 3.调用 process
    23.         sensorBCS
    24.                 .process(
    25.                         new BroadcastProcessFunction() {
    26.                             /**
    27.                              * 数据流的处理方法： 数据流 只能 读取 广播状态，不能修改
    28.                              * @param value
    29.                              * @param ctx
    30.                              * @param out
    31.                              * @throws Exception
    32.                              */
    33.                             @Override
    34.                             public void processElement(WaterSensor value, ReadOnlyContext ctx, Collector out) throws Exception {
    35.                                 // TODO 5.通过上下文获取广播状态，取出里面的值（只读，不能修改）
    36.                                 ReadOnlyBroadcastState broadcastState = ctx.getBroadcastState(broadcastMapState);
    37.                                 Integer threshold = broadcastState.get("threshold");
    38.                                 // 判断广播状态里是否有数据，因为刚启动时，可能是数据流的第一条数据先来
    39.                                 threshold = (threshold == null ? 0 : threshold);
    40.                                 if (value.getVc() > threshold) {
    41.                                     out.collect(value + ",水位超过指定的阈值：" + threshold + "!!!");
    42.                                 }
    43.  
    44.                             }
    45.  
    46.                             /**
    47.                              * 广播后的配置流的处理方法:  只有广播流才能修改 广播状态
    48.                              * @param value
    49.                              * @param ctx
    50.                              * @param out
    51.                              * @throws Exception
    52.                              */
    53.                             @Override
    54.                             public void processBroadcastElement(String value, Context ctx, Collector out) throws Exception {
    55.                                 // TODO 4. 通过上下文获取广播状态，往里面写数据
    56.                                 BroadcastState broadcastState = ctx.getBroadcastState(broadcastMapState);
    57.                                 broadcastState.put("threshold", Integer.valueOf(value));
    58.  
    59.                             }
    60.                         }
    61.  
    62.                 )
    63.                 .print();
    64.  
    65.         env.execute();
    66.     }
    67. }

    8.4 状态后端（State Backends）

    在Flink中，状态的存储、访问以及维护，都是由一个可插拔的组件决定的，这个组件就叫作状态后端（state backend）。状态后端主要负责管理本地状态的存储方式和位置。

    8.4.1 状态后端的分类（HashMapStateBackend/RocksDB）

    状态后端是一个“开箱即用”的组件，可以在不改变应用程序逻辑的情况下独立配置。Flink中提供了两类不同的状态后端，一种是“哈希表状态后端”（HashMapStateBackend），另一种是“内嵌RocksDB状态后端”（EmbeddedRocksDBStateBackend）。如果没有特别配置，系统默认的状态后端是HashMapStateBackend。

    （1）哈希表状态后端（HashMapStateBackend）

    HashMapStateBackend是把状态存放在内存里。具体实现上，哈希表状态后端在内部会直接把状态当作对象（objects），保存在Taskmanager的JVM堆上。普通的状态，以及窗口中收集的数据和触发器，都会以键值对的形式存储起来，所以底层是一个哈希表（HashMap），这种状态后端也因此得名。

    （2）内嵌RocksDB状态后端（EmbeddedRocksDBStateBackend）

    RocksDB是一种内嵌的key-value存储介质，可以把数据持久化到本地硬盘。配置EmbeddedRocksDBStateBackend后，会将处理中的数据全部放入RocksDB数据库中，RocksDB默认存储在TaskManager的本地数据目录里。

    RocksDB的状态数据被存储为序列化的字节数组，读写操作需要序列化/反序列化，因此状态的访问性能要差一些。另外，因为做了序列化，key的比较也会按照字节进行，而不是直接调用.hashCode()和.equals()方法。

    EmbeddedRocksDBStateBackend始终执行的是异步快照，所以不会因为保存检查点而阻塞数据的处理；而且它还提供了增量式保存检查点的机制，这在很多情况下可以大大提升保存效率。

    8.4.2 如何选择正确的状态后端

    HashMap和RocksDB两种状态后端最大的区别，就在于本地状态存放在哪里。

    HashMapStateBackend是内存计算，读写速度非常快；但是，状态的大小会受到集群可用内存的限制，如果应用的状态随着时间不停地增长，就会耗尽内存资源。

    而RocksDB是硬盘存储，所以可以根据可用的磁盘空间进行扩展，所以它非常适合于超级海量状态的存储。不过由于每个状态的读写都需要做序列化/反序列化，而且可能需要直接从磁盘读取数据，这就会导致性能的降低，平均读写性能要比HashMapStateBackend慢一个数量级。

    8.4.3 状态后端的配置

    在不做配置的时候，应用程序使用的默认状态后端是由集群配置文件flink-conf.yaml中指定的，配置的键名称为state.backend。这个默认配置对集群上运行的所有作业都有效，我们可以通过更改配置值来改变默认的状态后端。另外，我们还可以在代码中为当前作业单独配置状态后端，这个配置会覆盖掉集群配置文件的默认值。

    （1）配置默认的状态后端

    在flink-conf.yaml中，可以使用state.backend来配置默认状态后端。

    配置项的可能值为hashmap，这样配置的就是HashMapStateBackend；如果配置项的值是rocksdb，这样配置的就是EmbeddedRocksDBStateBackend。

    下面是一个配置HashMapStateBackend的例子：

    # 默认状态后端

    state.backend: hashmap

    # 存放检查点的文件路径

    state.checkpoints.dir: hdfs://hadoop102:8020/flink/checkpoints

    这里的state.checkpoints.dir配置项，定义了检查点和元数据写入的目录。

    （2）为每个作业（Per-job/Application）单独配置状态后端

    通过执行环境设置，HashMapStateBackend。

    StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();

    env.setStateBackend(new HashMapStateBackend());

    通过执行环境设置，EmbeddedRocksDBStateBackend。

    StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();

    env.setStateBackend(new EmbeddedRocksDBStateBackend());

    需要注意，如果想在IDE中使用EmbeddedRocksDBStateBackend，需要为Flink项目添加依赖：

        org.apache.flink

        flink-statebackend-rocksdb

        ${flink.version}

    而由于Flink发行版中默认就包含了RocksDB(服务器上解压的Flink)，所以只要我们的代码中没有使用RocksDB的相关内容，就不需要引入这个依赖。

    1. package com.atguigu.state;
    2.  
    3. import com.atguigu.bean.WaterSensor;
    4. import com.atguigu.functions.WaterSensorMapFunction;
    5. import org.apache.flink.api.common.eventtime.WatermarkStrategy;
    6. import org.apache.flink.api.common.state.ValueState;
    7. import org.apache.flink.api.common.state.ValueStateDescriptor;
    8. import org.apache.flink.api.common.typeinfo.Types;
    9. import org.apache.flink.configuration.Configuration;
    10. import org.apache.flink.contrib.streaming.state.EmbeddedRocksDBStateBackend;
    11. import org.apache.flink.runtime.state.hashmap.HashMapStateBackend;
    12. import org.apache.flink.streaming.api.datastream.SingleOutputStreamOperator;
    13. import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
    14. import org.apache.flink.streaming.api.functions.KeyedProcessFunction;
    15. import org.apache.flink.util.Collector;
    16.  
    17. import java.time.Duration;
    18.  
    19. /**
    20.  * TODO
    21.  *
    22.  * @author cjp
    23.  * @version 1.0
    24.  */
    25. public class StateBackendDemo {
    26.     public static void main(String[] args) throws Exception {
    27.         StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
    28.         env.setParallelism(1);
    29.  
    30.  
    31.         /**
    32.          * TODO 状态后端
    33.          * 1、负责管理 本地状态
    34.          * 2、 hashmap
    35.          *          存在 TM的 JVM的堆内存，  读写快，缺点是存不了太多（受限与TaskManager的内存）
    36.          *     rocksdb
    37.          *          存在 TM所在节点的rocksdb数据库，存到磁盘中，  写--序列化，读--反序列化
    38.          *          读写相对慢一些，可以存很大的状态
    39.          *
    40.          * 3、配置方式
    41.          *    1）配置文件 默认值  flink-conf.yaml
    42.          *    2）代码中指定
    43.          *    3）提交参数指定
    44.          *    flink run-application -t yarn-application
    45.          *    -p 3
    46.          *    -Dstate.backend.type=rocksdb
    47.          *    -c 全类名
    48.          *    jar包
    49.           */
    50.  
    51.         // 1. 使用 hashmap状态后端
    52.         HashMapStateBackend hashMapStateBackend = new HashMapStateBackend();
    53.         env.setStateBackend(hashMapStateBackend);
    54.         // 2. 使用 rocksdb状态后端
    55.         EmbeddedRocksDBStateBackend embeddedRocksDBStateBackend = new EmbeddedRocksDBStateBackend();
    56.         env.setStateBackend(embeddedRocksDBStateBackend);
    57.  
    58.         SingleOutputStreamOperator sensorDS = env
    59.                 .socketTextStream("hadoop102", 7777)
    60.                 .map(new WaterSensorMapFunction())
    61.                 .assignTimestampsAndWatermarks(
    62.                         WatermarkStrategy
    63.                                 .forBoundedOutOfOrderness(Duration.ofSeconds(3))
    64.                                 .withTimestampAssigner((element, ts) -> element.getTs() * 1000L)
    65.                 );
    66.  
    67.         sensorDS.keyBy(r -> r.getId())
    68.                 .process(
    69.                         new KeyedProcessFunction() {
    70.  
    71.                             ValueState lastVcState;
    72.  
    73.  
    74.                             @Override
    75.                             public void open(Configuration parameters) throws Exception {
    76.                                 super.open(parameters);
    77.                                 lastVcState = getRuntimeContext().getState(new ValueStateDescriptor("lastVcState", Types.INT));
    78.  
    79.                             }
    80.  
    81.                             @Override
    82.                             public void processElement(WaterSensor value, Context ctx, Collector out) throws Exception {
    83.  
    84.  
    85.                                 int lastVc = lastVcState.value() == null ? 0 : lastVcState.value();
    86.                                 Integer vc = value.getVc();
    87.                                 if (Math.abs(vc - lastVc) > 10) {
    88.                                     out.collect("传感器=" + value.getId() + "==>当前水位值=" + vc + ",与上一条水位值=" + lastVc + ",相差超过10！！！！");
    89.                                 }
    90.                                 lastVcState.update(vc);
    91.                             }
    92.                         }
    93.                 )
    94.                 .print();
    95.  
    96.         env.execute();
    97.     }
    98. }

  • 相关阅读:
    10 数组和指针
    嵌入式linux下sqlite3数据库操作
    多租户架构
    python机器学习——决策树
    【unity插件】UGUI的粒子效果（UI粒子）—— Particle Effect For UGUI (UI Particle)
    11_跳表（Skip List）
    NUMA架构详解
    待看12313132
    C++ 并发编程实战 第十章 并行算法函数
    【力扣每日一题】2023.10.22 做菜顺序
  • 原文地址：https://blog.csdn.net/yuzheh521/article/details/133185193