时间戳

首页 > 解决方案 > Flink re-scalable keyed stream 有状态函数

apache-flink - Flink re-scalable keyed stream 有状态函数

问题描述

我有以下 Flink 作业，我尝试使用后端类型 RockDB 的键控流状态函数 (MapState)，

environment
.addSource(consumer).name("MyKafkaSource").uid("kafka-id")
.flatMap(pojoMapper).name("MyMapFunction").uid("map-id")
.keyBy(new MyKeyExtractor())
.map(new MyRichMapFunction()).name("MyRichMapFunction").uid("rich-map-id")
.addSink(sink).name("MyFileSink").uid("sink-id")

MyRichMapFunction 是一个有状态的函数，它扩展了 RichMapFunction，它具有以下代码，

public static class MyRichMapFunction extends RichMapFunction<MyEvent, MyEvent> {
    private transient MapState<String, Boolean> cache;
    @Override
    public void open(Configuration config) {
        MapStateDescriptor<String, Boolean> descriptor =
                new MapStateDescriptor("seen-values", TypeInformation.of(new TypeHint<String>() {}), TypeInformation.of(new TypeHint<Boolean>() {}));
        cache = getRuntimeContext().getMapState(descriptor);
    }
    @Override
    public MyEvent map(MyEvent value) throws Exception {
        if (cache.contains(value.getEventId())) {
            value.setIsSeenAlready(Boolean.TRUE);
            return value;
        }
        value.setIsSeenAlready(Boolean.FALSE);
        cache.put(value.getEventId(), Boolean.TRUE)
        return value;
    }
}

将来，我想重新调整并行度（从 2 到 4），所以我的问题是，如何实现可重新缩放的键控状态，以便在更改并行度后，我可以将相应的缓存键控数据获取到其相应的任务槽. 我试图探索这个，我在这里找到了一个文档. 据此，可以通过使用 ListCheckPointed 接口实现可重新扩展的操作员状态，该接口为此提供了 snapshotState/restoreState 方法。但不确定如何实现可重新缩放的键控状态 (MyRichMapFunction)？我是否需要为 MyRichMapFunction 类实现 ListCheckPointed 接口？如果是，我如何根据 restoreState 方法上的新并行键哈希重新分配缓存（我的 MapState 将在启用 TTL 的情况下保存大量键，假设它在任何时间点最多保存 10 亿个键）？有人可以帮我解决这个问题，或者如果你指出任何一个很好的例子。

标签： apache-flinkflink-streaming

解决方案

您编写的代码已经可以重新扩展；Flink 的托管键状态在设计上是可重新缩放的。通过重新平衡对实例的键分配来重新调整键状态。（您可以将键控状态视为分片键/值存储。从技术上讲，发生的情况是一致的哈希用于将键映射到键组，并且每个并行实例负责一些键组。重新缩放仅涉及重新分配键实例之间的组。）

该ListCheckpointed接口用于非键上下文中使用的状态，因此它不适合您正在做的事情。另请注意，ListCheckpointed在 Flink 1.11 中将不推荐使用更通用的CheckpointedFunction.

还有一件事：如果MyKeyExtractor是通过 键控value.getEventId()，那么您可以将其ValueState<Boolean>用于缓存，而不是MapState<String, Boolean>. 这是有效的，因为对于键控状态，每个键都有一个单独的 ValueState 值。只有在需要为流中的每个键存储多个属性/值对时，才需要使用 MapState。

其中大部分内容在 Flink 文档中的Hands-on Training中进行了讨论，其中包含一个与您正在做的事情非常接近的示例。

推荐阅读