Flink系列文档-(YY08)-Flink核心概念

 1 核心概念

1.1 基础概念

1. 用户通过算子api所开发的代码，会被flink任务提交客户端解析成jobGraph
2. 然后，jobGraph提交到集群JobManager，转化成ExecutionGraph（并行化后的执行图）
3. 然后，ExecutionGraph中的各个task会以多并行实例（subTask）部署到taskmanager上执行；
4. subTask运行的位置是taskmanager所提供的槽位（task slot），槽位简单理解就是线程；

  重要提示

1. 一个算子的逻辑，可以封装在一个独立的task中（可以有多个运行时实例：subTask）；
2. 也可把多个算子的逻辑chain在一起后封装在一个独立的task中（可以有多个运行时实例：subTask）；

同一个task的不同运行实例，必须放在不同的task slot上运行；

同一个task slot，可以运行多个不同task的各一个并行实例；

1.2 task与算子链（operator chain）

  上下游算子，能否chain在一起，放在一个Task中，取决于如下3个条件：

1. 上下游算子实例间是oneToOne数据传输（forward）；
2. 上下游算子并行度相同；
3. 上下游算子属于相同的slotSharingGroup（槽位共享组）；

3个条件都满足，才能合并为一个task；否则不能合并成一个task；

当然，即使满足上述3个条件，也不一定就非要把上下游算子绑定成算子链；

flink提供了相关的api，来让用户可以根据自己的需求，进行灵活的算子链合并或拆分；

1. setParallelism   设置算子的并行度
2. slotSharingGroup   设置算子的槽位共享组
3. disableChaining    对算子禁用前后链合并
4. startNewChain    对算子开启新链（即禁用算子前链合并）

单个并行演示

package com.blok2;
 
import org.apache.flink.configuration.Configuration;
import org.apache.flink.streaming.api.datastream.DataStreamSource;
import org.apache.flink.streaming.api.datastream.SingleOutputStreamOperator;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
 
/**
 * @Date: 22.11.11
 * @Author: Hang.Nian.YY
 * @qq: 598196583
 * @Tips: 学大数据 ,到多易教育
 * @Description:
 */
public class _01_Task_Chain {
    public static void main(String[] args) throws Exception {
        Configuration conf = new Configuration();
        conf.setInteger("rest.port", 8888);
        StreamExecutionEnvironment see = StreamExecutionEnvironment.createLocalEnvironmentWithWebUI(conf);
        see.setParallelism(1);
        //1  加载数据流
        DataStreamSource ds = see.socketTextStream("linux01", 50820);
        System.out.println(ds.getParallelism());  //打印数据流的并行度
        //2 处理每条数据流
        SingleOutputStreamOperator ds2 = ds.map(line -> line.toUpperCase());
        System.out.println(ds2.getParallelism());  //打印数据流的并行度
         //3  处理每条数据流
        SingleOutputStreamOperator ds3 = ds2.map(line -> "YY-" + line + "-YY");
        ds3.print("结果数据流: ")  ;
        see.execute("路虽远行则将至");
    }
}

禁用自动算子链

//1  加载数据流
DataStreamSource ds = see.socketTextStream("linux01", 50820);
ds.disableChaining() ;
//2 处理每条数据流
SingleOutputStreamOperator ds2 = ds.map(line -> line.toUpperCase());
ds2.disableChaining() ;
 //3  处理每条数据流
SingleOutputStreamOperator ds3 = ds2.map(line -> "YY-" + line + "-YY");
ds3.print("结果数据流: ")  ;

 前后subTask并行度不同

see.setParallelism(1);
//1  加载数据流
DataStreamSource ds = see.socketTextStream("linux01", 50820);

//2 处理每条数据流
SingleOutputStreamOperator ds2 = ds.map(line -> line.toUpperCase());
ds2.setParallelism(2) ;
 //3  处理每条数据流
SingleOutputStreamOperator ds3 = ds2.map(line -> "YY-" + line + "-YY");
ds3.print("结果数据流: ")  ;
see.execute("路虽远行则将至");

 自动taskchain合并, 可以手动指定阶段taskchain

see.setParallelism(1);
//1  加载数据流
DataStreamSource ds = see.socketTextStream("linux01", 50820);
//2 处理每条数据流
SingleOutputStreamOperator ds2 = ds.map(line -> line.toUpperCase());
ds2.startNewChain() ;
 //3  处理每条数据流
SingleOutputStreamOperator ds3 = ds2.map(line -> "YY-" + line + "-YY");
ds3.print("结果数据流: ")  ;
see.execute("路虽远行则将至");

 设置算子槽位共享组

see.setParallelism(1);
/**
 * ds ds2  ds3 默认在同一个算子槽位共享组  自动合并taskchain
 * 三个source设置同一个算子槽位共享组  自动合并taskchain
 * ds2.slotSharingGroup("a") ;
 *
 * 三个source设置不同算子槽位共享组  自动合并taskchain
 */
//1  加载数据流
DataStreamSource ds = see.socketTextStream("linux01", 50820);
ds.slotSharingGroup("a") ;
//2 处理每条数据流
SingleOutputStreamOperator ds2 = ds.map(line -> line.toUpperCase());
ds2.slotSharingGroup("b") ;
 //3  处理每条数据流
SingleOutputStreamOperator ds3 = ds2.map(line -> "YY-" + line + "-YY");
ds3.slotSharingGroup("a") ;

ds3.print("结果数据流: ")  ;
see.execute("路虽远行则将至");

1.3 分区算子

  分区算子：用于指定上游task的各并行subtask与下游task的subtask之间如何传输数据；

Flink中，对于上下游subTask之间的数据传输控制，由ChannelSelector策略来控制，而且Flink内针对各种场景，开发了众多ChannelSelector的具体实现

   设置数据传输策略时，不需要显式指定partitioner，而是调用封装好的算子即可：

 默认情况下，flink会优先使用REBALANCE分发策略

/**
 * @Date: 22.11.12
 * @Author: Hang.Nian.YY
 * @qq: 598196583
 * @Tips: 学大数据 ,到多易教育
 * @Description:
 */
public class _02_Partition {
    public static void main(String[] args) throws Exception {
        Configuration conf = new Configuration();
        conf.setInteger("rest.port", 8888);
        StreamExecutionEnvironment see = StreamExecutionEnvironment.createLocalEnvironmentWithWebUI(conf);

        //1  加载数据流
        DataStreamSource ds = see.socketTextStream("doitedu01", 50820);
        //2 处理每条数据流
        SingleOutputStreamOperator ds2 = ds.map(line -> line.toUpperCase())
                .setParallelism(2)
                //指定上游到下游分发数据的规则
                .shuffle()
                .map(line -> "YY-" + line + "-YY")
                .setParallelism(3);
        ds2.print("结果数据流: ");
        see.execute("路虽远行则将至");
        
    }
}