Flink State 状态管理

文章目录

• 前言
• 一、状态分类
• 二、keyed代码示例
• • ListState
  • MapState
• 总结

前言

状态在Flink中叫做State，用来保存中间计算结果或者缓存数据。要做到比较好的状态管理，需要考虑以下几点内容：

• 状态数据的存储和访问
  在Task内部，如何高效地保存状态数据和使用状态数据。
• 状态数据的备份和恢复
  作业失败是无法避免的，那么就要考虑如何高效地将状态数据保存下来，避免状态备份降低集群的吞吐量，并且在Failover时恢复作业到失败前的状态。
• 状态数据的划分和动态扩容
  作业在集群内并行执行那么就要思考对于作业的Task而言如何使用统一的方式对状态数据进行切分，在作业修改并行度导致Task数据改变的时候，如何确保正确地恢复。

一、状态分类

State按照是否有Key划分KeyedState和OperatorState两种。按照数据结构不同，flink定义了多种state，分别应用于不同的场景，具体实现如下：ValueState、ListState、MapState、ReducingState、AggregatingState。

• ValueState: 保存一个可以更新和检索的值（如上所述，每个值都对应到当前的输入数据的 key，因此算子接收到的每个 key 都可能对应一个值）。 这个值可以通过 update(T) 进行更新，通过 T value() 进行检索。

• ListState: 保存一个元素的列表。可以往这个列表中追加数据，并在当前的列表上进行检索。可以通过 add(T) 或者 addAll(List) 进行添加元素，通过 Iterable get() 获得整个列表。还可以通过 update(List) 覆盖当前的列表。

• ReducingState: 保存一个单值，表示添加到状态的所有值的聚合。接口与 ListState 类似，但使用 add(T) 增加元素，会使用提供的 ReduceFunction 进行聚合。

• AggregatingState: 保留一个单值，表示添加到状态的所有值的聚合。和 ReducingState 相反的是, 聚合类型可能与 添加到状态的元素的类型不同。 接口与 ListState 类似，但使用 add(IN) 添加的元素会用指定的 AggregateFunction 进行聚合。

• MapState: 维护了一个映射列表。 你可以添加键值对到状态中，也可以获得反映当前所有映射的迭代器。使用 put(UK，UV) 或者 putAll(Map) 添加映射。 使用 get(UK) 检索特定 key。 使用 entries()，keys() 和 values() 分别检索映射、键和值的可迭代视图。你还可以通过 isEmpty() 来判断是否包含任何键值对。

二、keyed代码示例

更多代码示例请下载Flink State体系剖析以及案例实践

ListState

代码如下：

import org.apache.flink.api.java.tuple.Tuple2;import org.apache.flink.streaming.api.datastream.DataStreamSource;import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;/** * 需求：当接收到的相同 key 的元素个数等于 3个，就计算这些元素的 value 的平均值。 * 计算keyed stream中每3个元素的 value 的平均值 */public class TestKeyedStateMain {public static void main(String[] args) throwsException{//获取执行环境StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();//设置并行度env.setParallelism(12);//获取数据源DataStreamSource<Tuple2<Long, Long>> dataStreamSource =env.fromElements(Tuple2.of(1L, 3L),Tuple2.of(1L, 7L),Tuple2.of(2L, 4L),Tuple2.of(1L, 5L),Tuple2.of(2L, 2L),Tuple2.of(2L, 6L));/** * 1L, 3L * 1L, 7L * 1L, 5L * * 1L,5.0 double * * 2L, 4L * 2L, 2L * 2L, 6L * * 2L,4.0 double * * */// 输出：//(1,5.0)//(2,4.0)dataStreamSource.keyBy(tuple -> tuple.f0) //分组.flatMap(new CountAverageWithListState()).print();env.execute("TestStatefulApi");}}import org.apache.flink.api.common.functions.RichFlatMapFunction;import org.apache.flink.api.common.state.ListState;import org.apache.flink.api.common.state.ListStateDescriptor;import org.apache.flink.api.common.typeinfo.Types;import org.apache.flink.api.java.tuple.Tuple2;import org.apache.flink.configuration.Configuration;import org.apache.flink.shaded.guava18.com.google.common.collect.Lists;import org.apache.flink.util.Collector;import java.util.Collections;import java.util.List;/** *ListState ：这个状态为每一个 key 保存集合的值 *get() 获取状态值 *add() / addAll() 更新状态值，将数据放到状态中 *clear() 清除状态 */public class CountAverageWithListStateextends RichFlatMapFunction<Tuple2<Long, Long>, Tuple2<Long, Double>> {// managed keyed state/** * ValueState : 里面只能存一条元素 * ListState ： 里面可以存很多数据 */private ListState<Tuple2<Long, Long>> elementsByKey;@Overridepublic void open(Configuration parameters) throws Exception {// 注册状态ListStateDescriptor<Tuple2<Long, Long>> descriptor =new ListStateDescriptor<Tuple2<Long, Long>>("average",// 状态的名字Types.TUPLE(Types.LONG, Types.LONG)); // 状态存储的数据类型elementsByKey = getRuntimeContext().getListState(descriptor);}@Overridepublic void flatMap(Tuple2<Long, Long> element,Collector<Tuple2<Long, Double>> out) throws Exception {// 拿到当前的 key 的状态值Iterable<Tuple2<Long, Long>> currentState = elementsByKey.get();// 如果状态值还没有初始化，则初始化if (currentState == null) {elementsByKey.addAll(Collections.emptyList());}// 更新状态elementsByKey.add(element);// 判断，如果当前的 key 出现了 3 次，则需要计算平均值，并且输出List<Tuple2<Long, Long>> allElements = Lists.newArrayList(elementsByKey.get());if (allElements.size() == 3) {long count = 0;long sum = 0;for (Tuple2<Long, Long> ele : allElements) {count++;sum += ele.f1;}double avg = (double) sum / count;out.collect(Tuple2.of(element.f0, avg));// 清除状态elementsByKey.clear();}}}

MapState

import org.apache.flink.api.common.functions.RichFlatMapFunction;import org.apache.flink.api.common.state.MapState;import org.apache.flink.api.common.state.MapStateDescriptor;import org.apache.flink.api.java.tuple.Tuple2;import org.apache.flink.configuration.Configuration;import org.apache.flink.shaded.guava18.com.google.common.collect.Lists;import org.apache.flink.util.Collector;import java.util.List;import java.util.UUID;/** *MapState ：这个状态为每一个 key 保存一个 Map 集合 *put() 将对应的 key 的键值对放到状态中 *values() 拿到 MapState 中所有的 value *clear() 清除状态 */public class CountAverageWithMapStateextends RichFlatMapFunction<Tuple2<Long, Long>, Tuple2<Long, Double>> {// managed keyed state//1. MapState ：key 是一个唯一的值，value 是接收到的相同的 key 对应的 value 的值/** * MapState: *Map集合的特点，相同key，会覆盖数据。 */private MapState<String, Long> mapState;@Overridepublic void open(Configuration parameters) throws Exception {// 注册状态MapStateDescriptor<String, Long> descriptor =new MapStateDescriptor<String, Long>("average",// 状态的名字String.class, Long.class); // 状态存储的数据类型mapState = getRuntimeContext().getMapState(descriptor);}/** * * @param element * @param out * @throws Exception */@Overridepublic void flatMap(Tuple2<Long, Long> element,Collector<Tuple2<Long, Double>> out) throws Exception {mapState.put(UUID.randomUUID().toString(), element.f1); //list// 判断，如果当前的 key 出现了 3 次，则需要计算平均值，并且输出List<Long> allElements = Lists.newArrayList(mapState.values());if (allElements.size() == 3) {long count = 0;long sum = 0;for (Long ele : allElements) {count++;sum += ele;}double avg = (double) sum / count;//out.collect(Tuple2.of(element.f0, avg));// 清除状态mapState.clear();}}}

总结

1. 是否存在当前处理的 key（current key）：operator state 是没有当前 key 的概念，而 keyed
   state 的数值总是与一个 current key 对应。
2. 存储对象是否 on heap: 目前 operator state backend 仅有一种 on-heap 的实现；而 keyed state
   backend 有 on-heap 和 off-heap（RocksDB）的多种实现。
3. 是否需要手动声明快照（snapshot）和恢复 (restore) 方法：operator state 需要手动实现
   snapshot 和 restore 方法；而 keyed state 则由 backend 自行实现，对用户透明。
4. 数据大小：一般而言，我们认为 operator state 的数据规模是比较小的；认为 keyed state 规模是
   相对比较大的。需要注意的是，这是一个经验判断，不是一个绝对的判断区分标准。
   更多内容和代码示例请下载Flink State体系剖析以及案例实践