网站导航
> 文档中心 > 聊聊Flink框架中的状态管理机制

聊聊Flink框架中的状态管理机制

文档中心 2022-05-27 17:14:49 44

大家好，我是百思不得小赵。

创作时间：2022 年 5 月 27 日
博客主页： 🔍点此进入博客主页
—— 新时代的农民工 🙊
—— 换一种思维逻辑去看待这个世界 👀
今天是加入CSDN的第1182天。觉得有帮助麻烦👏点赞、🍀评论、❤️收藏

目录

状态概述

在目前所有流式计算的场景中，将数据流的状态分为有状态和无状态两种类型。无状态指的就是无状态的计算观察每个独立的事件，并且只根据最后一个事件输出结果。举个栗子：一个流处理程序，从传感器接收温度数据然后在温度为90摄氏度发出报警信息。有状态的计算则会根据多个事件输出结果。举个栗子：计算过去一小时的平均温度，就是有状态的计算、若在一分钟内收到两个相差 20 度以上的温度读数，则发出警告等等。

聊聊Flink框架中的状态管理机制

对照上图可以看出：

  • 无状态流处理分别接收每条数据记录，然后根据最新输入的数据生成输出数据。（每次只转换一条输入记录，并且仅根据最新的输入记录输出结果）
  • 有状态流处理会维护状态，并基于最新输入的记录和当前的状态值生成输出记录。（维护所有已处理记录的状态值，并根据每条新输入的记录更新状态，因此输出记录反映的是综合考虑多个事件之后的结果。）

Flink中的状态

Flink中的状态有一个任务进行专门维护，并且用来计算某个结果的所有数据，都属于这个任务的状态。大多数的情况下我们可以将Flink中状态理解为一个本地变量，存储在内存中。状态自始至终是与特定的算子相关联的，在flink中需要进行状态的注册。
聊聊Flink框架中的状态管理机制

（此图来源于网络）

Flink框架中有两种类型的状态：算子状态、键控状态。接下来我们具体的聊聊这两种状态。

算子状态

算子状态的作用范围限定为算子任务。由同一并行任务所处理的所有数据都可以访问到相同的状态。也就是说，同一个任务中是共享的。
注意：算子状态不能由相同或不同算子的另一个子任务访问

聊聊Flink框架中的状态管理机制

（此图来源于网络）

Flink 为算子状态提供三种基本数据结构：

列表状态

  • 将状态表示为一组数据的列表。

联合列表状态

  • 也将状态表示为数据的列表。它与常规列表状态的区别在于，在发生故障时，或者从保存点（savepoint）启动应用程序时如何恢复。

广播状态

  • 如果一个算子有多项任务，而它的每项任务状态又都相同，那么这种特殊情况最适合应用广播状态

代码如下：

public class StateTest1_OperatorState {    public static void main(String[] args) throws Exception { StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment(); //设施并行度为1 env.setParallelism(1); DataStreamSource<String> inputStream = env.socketTextStream("localhost", 7777); DataStream<SensorReading> dataStream = inputStream.map(line -> {     String[] fields = line.split(",");     return new SensorReading(fields[0], new Long(fields[1]), new Double(fields[2])); }); // 定义一个有状态的Map操作  统计当前分区数据个数 SingleOutputStreamOperator<Integer> resultStream = dataStream.map(new MyCountMap()); resultStream.print(); env.execute();    }    //自定义mapFunction 注册状态实现ListCheckpointed    private static class MyCountMap implements MapFunction<SensorReading, Integer>, ListCheckpointed<Integer>{ // 定义一个本地变量作为算子状态 private Integer count = 0; @Override public Integer map(SensorReading sensorReading) throws Exception {     count++;     return count; } @Override public List<Integer> snapshotState(long checkpointId, long timestamp) throws Exception {     return Collections.singletonList(count); } @Override public void restoreState(List<Integer> state) throws Exception {     for (Integer number : state) {  count+=number;     } }    }}

键控状态

键控状态是根据输入数据流中定义的键（key）来维护和访问的。Flink 为每个 key 维护一个状态实例，并将具有相同键的所有数据，都分区到同一个算子任务中，这个任务会维护和处理这个 key 对应的状态。当任务处理一条数据时，它会自动将状态的访问范围限定为当前数据的 key。
聊聊Flink框架中的状态管理机制

（此图来源于网络）

Flink 为键控状态提供三种基本数据结构：

值状态

  • 将状态表示为单个的值。

列表状态

  • 将状态表示为一组数据的列表

映射状态

  • 将状态表示为一组 Key-Value 对

聚合状态（Reducing state & Aggregating State）

  • 将状态表示为一个用于聚合操作的列表

代码如下：

public class StateTest2_KeyedState {    public static void main(String[] args)  throws Exception{ StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment(); //设施并行度为1 env.setParallelism(1); DataStreamSource<String> inputStream = env.socketTextStream("localhost", 7777); DataStream<SensorReading> dataStream = inputStream.map(line -> {     String[] fields = line.split(",");     return new SensorReading(fields[0], new Long(fields[1]), new Double(fields[2])); }); // 定义一个有状态的Map操作  统计当前senser数据个数 SingleOutputStreamOperator<Integer> resultStream = dataStream.keyBy("id")  .map(new MyKeyCouneMap()); resultStream.print(); env.execute();    }    // 自定义RichMapFunction    private static class MyKeyCouneMap extends RichMapFunction<SensorReading,Integer> {     // 声明键控状态   private ValueState<Integer> KeyCouneState ; //private ListState listState; //private MapState mapState;// private ReducingState reduceState; @Override public void open(Configuration parameters) throws Exception {     KeyCouneState = getRuntimeContext().getState(new ValueStateDescriptor<Integer>(      "key-count",Integer.class     ));    // listState =getRuntimeContext().getListState(new ListStateDescriptor(   //   "list-count",String.class     ));     //mapState = getRuntimeContext().getMapState(new MapStateDescriptor(   //   "map-count",String.class,Double.class     ));     //reduceState =getRuntimeContext().getReducingState(new ReducingStateDescriptor(     // "reducing-count",SensorReading.class     //));class } @Override public Integer map(SensorReading sensorReading) throws Exception { // 读取状态     Integer count = KeyCouneState.value();     if (count==null){  count = 0;     }else {  count++;     }     // 更新状态，对状态赋值     KeyCouneState.update(count);     return count;     // listState     //Iterable iterable = listState.get();     //for (String s : listState.get()) {     //    System.out.println(s);     //}     //listState.add("hello");     // mapState     //mapState.get("1");     //mapState.put("2",12.3); }    }}

状态后端

状态的存储、访问以及维护，由一个可插入的组件决定，这个组件就叫做状态后端。状态后端主要负责两件事：本地的状态管理，以及将检查点（checkpoint）状态写入远程存储。状态后端总共有三种类型：

MemoryStateBackend

  • 内存级的状态后端，会将键控状态作为内存中的对象进行管理，将它们存储在TaskManager 的 JVM 堆上，而将 checkpoint 存储在JobManager 的内存中。特点：快速、低延迟，但不稳定。

FsStateBackend

  • 将 checkpoint 存到远程的持久化文件系统（FileSystem）上，而对于本地状态，跟 MemoryStateBackend 一样，也会存在 TaskManager 的 JVM 堆上同时拥有内存级的本地访问速度，和更好的容错保证。

RocksDBStateBackend

  • 将所有状态序列化后，存入本地的 RocksDB 中存储

代码中配置状态后端：

public class StateTest4_FaultTolerance {    public static void main(String[] args) throws Exception{ StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment(); // 状态后端配置 env.setStateBackend(new MemoryStateBackend()); env.setStateBackend(new FsStateBackend(""));  DataStreamSource<String> inputStream = env.socketTextStream("localhost", 7777); DataStream<SensorReading> dataStream = inputStream.map(line -> {     String[] fields = line.split(",");     return new SensorReading(fields[0], new Long(fields[1]), new Double(fields[2])); }); env.execute();    }}

flink配置文件中进行配置：

聊聊Flink框架中的状态管理机制

一个案例：

检查工业物联网传感器温度跳变，如果连续两个温度差值超过10度，就发出报警。

代码如下

public class StateTest3_ApplicationCase {    public static void main(String[] args) throws Exception { StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment(); //设施并行度为1 env.setParallelism(1); DataStreamSource<String> inputStream = env.socketTextStream("localhost", 7777); DataStream<SensorReading> dataStream = inputStream.map(line -> {     String[] fields = line.split(",");     return new SensorReading(fields[0], new Long(fields[1]), new Double(fields[2])); }); // 定义一个flutmap操作，检测温度跳变输出报警 SingleOutputStreamOperator<Tuple3<String, Double, Double>> resultStream = dataStream.keyBy("id")  .flatMap(new TempChangeWarring(10.0)); resultStream.print(); env.execute();    }    private static class TempChangeWarring extends RichFlatMapFunction<SensorReading, Tuple3<String, Double, Double>> { // 设置温度跳变的阈值 private Double threshold; public TempChangeWarring(Double threshold) {     this.threshold = threshold; } // 定义状态，保存上一次温度值 private ValueState<Double> lastTempState; @Override public void open(Configuration parameters) throws Exception {     lastTempState = getRuntimeContext().getState(new ValueStateDescriptor<Double>(      "lastTemp", Double.class     )); } @Override public void flatMap(SensorReading value, Collector<Tuple3<String, Double, Double>> out) throws Exception {     // 获取状态     Double lastTemp = lastTempState.value();     // 如果不为null 就计算两次温度差     if (lastTemp != null) {  Double diff = Math.abs(value.getTemperature() - lastTemp);  if (diff>=threshold){      out.collect(new Tuple3<>(value.getId(),lastTemp,value.getTemperature()));  }     }     // 更新状态     lastTempState.update(value.getTemperature()); } @Override public void close() throws Exception {     lastTempState.clear(); }    }}

在这里插入图片描述

标签：