Flink中分區策略源碼是什么

這篇文章將為大家詳細講解有關Flink中分區策略源碼是什么，小編覺得挺實用的，因此分享給大家做個參考，希望大家閱讀完這篇文章后可以有所收獲。

繼承關系圖

接口

名稱

ChannelSelector

實現

public interface ChannelSelector<T extends IOReadableWritable> {      /**      * 初始化channels數量，channel可以理解為下游Operator的某個實例(并行算子的某個subtask).      */     void setup(int numberOfChannels);      /**      *根據當前的record以及Channel總數，      *決定應將record發送到下游哪個Channel。      *不同的分區策略會實現不同的該方法。      */     int selectChannel(T record);      /**     *是否以廣播的形式發送到下游所有的算子實例      */     boolean isBroadcast(); }

抽象類

名稱

StreamPartitioner

實現

public abstract class StreamPartitioner<T> implements         ChannelSelector<SerializationDelegate<StreamRecord<T>>>, Serializable {     private static final long serialVersionUID = 1L;      protected int numberOfChannels;      @Override     public void setup(int numberOfChannels) {         this.numberOfChannels = numberOfChannels;     }      @Override     public boolean isBroadcast() {         return false;     }      public abstract StreamPartitioner<T> copy(); }

繼承關系圖

GlobalPartitioner

簡介

該分區器會將所有的數據都發送到下游的某個算子實例(subtask id = 0)

源碼解讀

/**  * 發送所有的數據到下游算子的第一個task(ID = 0)  * @param <T>  */ @Internal public class GlobalPartitioner<T> extends StreamPartitioner<T> {     private static final long serialVersionUID = 1L;      @Override     public int selectChannel(SerializationDelegate<StreamRecord<T>> record) {         //只返回0，即只發送給下游算子的第一個task         return 0;     }      @Override     public StreamPartitioner<T> copy() {         return this;     }      @Override     public String toString() {         return "GLOBAL";     } }

圖解

ShufflePartitioner

簡介

隨機選擇一個下游算子實例進行發送

源碼解讀

/**  * 隨機的選擇一個channel進行發送  * @param <T>  */ @Internal public class ShufflePartitioner<T> extends StreamPartitioner<T> {     private static final long serialVersionUID = 1L;      private Random random = new Random();      @Override     public int selectChannel(SerializationDelegate<StreamRecord<T>> record) {         //產生[0,numberOfChannels)偽隨機數，隨機發送到下游的某個task         return random.nextInt(numberOfChannels);     }      @Override     public StreamPartitioner<T> copy() {         return new ShufflePartitioner<T>();     }      @Override     public String toString() {         return "SHUFFLE";     } }

圖解

BroadcastPartitioner

簡介

發送到下游所有的算子實例

源碼解讀

/**  * 發送到所有的channel  */ @Internal public class BroadcastPartitioner<T> extends StreamPartitioner<T> {     private static final long serialVersionUID = 1L;     /**      * Broadcast模式是直接發送到下游的所有task，所以不需要通過下面的方法選擇發送的通道      */     @Override     public int selectChannel(SerializationDelegate<StreamRecord<T>> record) {         throw new UnsupportedOperationException("Broadcast partitioner does not support select channels.");     }      @Override     public boolean isBroadcast() {         return true;     }      @Override     public StreamPartitioner<T> copy() {         return this;     }      @Override     public String toString() {         return "BROADCAST";     } }

圖解

RebalancePartitioner

簡介

通過循環的方式依次發送到下游的task

源碼解讀

/**  *通過循環的方式依次發送到下游的task  * @param <T>  */ @Internal public class RebalancePartitioner<T> extends StreamPartitioner<T> {     private static final long serialVersionUID = 1L;      private int nextChannelToSendTo;      @Override     public void setup(int numberOfChannels) {         super.setup(numberOfChannels);         //初始化channel的id，返回[0,numberOfChannels)的偽隨機數         nextChannelToSendTo = ThreadLocalRandom.current().nextInt(numberOfChannels);     }      @Override     public int selectChannel(SerializationDelegate<StreamRecord<T>> record) {         //循環依次發送到下游的task，比如：nextChannelToSendTo初始值為0，numberOfChannels(下游算子的實例個數，并行度)值為2         //則第一次發送到ID = 1的task，第二次發送到ID = 0的task，第三次發送到ID = 1的task上...依次類推         nextChannelToSendTo = (nextChannelToSendTo + 1) % numberOfChannels;         return nextChannelToSendTo;     }      public StreamPartitioner<T> copy() {         return this;     }      @Override     public String toString() {         return "REBALANCE";     } }

圖解

RescalePartitioner

簡介

基于上下游Operator的并行度，將記錄以循環的方式輸出到下游Operator的每個實例。

舉例:  上游并行度是2，下游是4，則上游一個并行度以循環的方式將記錄輸出到下游的兩個并行度上;上游另一個并行度以循環的方式將記錄輸出到下游另兩個并行度上。

若上游并行度是4，下游并行度是2，則上游兩個并行度將記錄輸出到下游一個并行度上;上游另兩個并行度將記錄輸出到下游另一個并行度上。

源碼解讀

@Internal public class RescalePartitioner<T> extends StreamPartitioner<T> {     private static final long serialVersionUID = 1L;      private int nextChannelToSendTo = -1;      @Override     public int selectChannel(SerializationDelegate<StreamRecord<T>> record) {         if (++nextChannelToSendTo >= numberOfChannels) {             nextChannelToSendTo = 0;         }         return nextChannelToSendTo;     }      public StreamPartitioner<T> copy() {         return this;     }      @Override     public String toString() {         return "RESCALE";     } }

圖解

尖叫提示

Flink 中的執行圖可以分成四層：StreamGraph -> JobGraph -> ExecutionGraph ->  物理執行圖。

StreamGraph：是根據用戶通過 Stream API 編寫的代碼生成的最初的圖。用來表示程序的拓撲結構。

JobGraph：StreamGraph經過優化后生成了 JobGraph，提交給 JobManager 的數據結構。主要的優化為，將多個符合條件的節點  chain 在一起作為一個節點，這樣可以減少數據在節點之間流動所需要的序列化/反序列化/傳輸消耗。

ExecutionGraph：JobManager 根據 JobGraph  生成ExecutionGraph。ExecutionGraph是JobGraph的并行化版本，是調度層最核心的數據結構。

物理執行圖：JobManager 根據 ExecutionGraph 對 Job 進行調度后，在各個TaskManager 上部署 Task  后形成的“圖”，并不是一個具體的數據結構。

而StreamingJobGraphGenerator就是StreamGraph轉換為JobGraph。在這個類中，把ForwardPartitioner和RescalePartitioner列為POINTWISE分配模式，其他的為ALL_TO_ALL分配模式。代碼如下：

if (partitioner instanceof ForwardPartitioner || partitioner instanceof RescalePartitioner) {             jobEdge = downStreamVertex.connectNewDataSetAsInput(                 headVertex,                 // 上游算子(生產端)的實例(subtask)連接下游算子(消費端)的一個或者多個實例(subtask)                 DistributionPattern.POINTWISE,                 resultPartitionType);         } else {             jobEdge = downStreamVertex.connectNewDataSetAsInput(                 headVertex,                 // 上游算子(生產端)的實例(subtask)連接下游算子(消費端)的所有實例(subtask)                 DistributionPattern.ALL_TO_ALL,                 resultPartitionType);         }

ForwardPartitioner

簡介

發送到下游對應的第一個task，保證上下游算子并行度一致，即上有算子與下游算子是1:1的關系

源碼解讀

/**  * 發送到下游對應的第一個task  * @param <T>  */ @Internal public class ForwardPartitioner<T> extends StreamPartitioner<T> {     private static final long serialVersionUID = 1L;      @Override     public int selectChannel(SerializationDelegate<StreamRecord<T>> record) {         return 0;     }      public StreamPartitioner<T> copy() {         return this;     }      @Override     public String toString() {         return "FORWARD";     } }

圖解

尖叫提示

在上下游的算子沒有指定分區器的情況下，如果上下游的算子并行度一致，則使用ForwardPartitioner，否則使用RebalancePartitioner，對于ForwardPartitioner，必須保證上下游算子并行度一致，否則會拋出異常

//在上下游的算子沒有指定分區器的情況下，如果上下游的算子并行度一致，則使用ForwardPartitioner，否則使用RebalancePartitioner             if (partitioner == null && upstreamNode.getParallelism() == downstreamNode.getParallelism()) {                 partitioner = new ForwardPartitioner<Object>();             } else if (partitioner == null) {                 partitioner = new RebalancePartitioner<Object>();             }              if (partitioner instanceof ForwardPartitioner) {                 //如果上下游的并行度不一致，會拋出異常                 if (upstreamNode.getParallelism() != downstreamNode.getParallelism()) {                     throw new UnsupportedOperationException("Forward partitioning does not allow " +                         "change of parallelism. Upstream operation: " + upstreamNode + " parallelism: " + upstreamNode.getParallelism() +                         ", downstream operation: " + downstreamNode + " parallelism: " + downstreamNode.getParallelism() +                         " You must use another partitioning strategy, such as broadcast, rebalance, shuffle or global.");                 }             }

KeyGroupStreamPartitioner

簡介

根據key的分組索引選擇發送到相對應的下游subtask

源碼解讀

/**  * 根據key的分組索引選擇發送到相對應的下游subtask  * @param <T>  * @param <K>  */ @Internal public class KeyGroupStreamPartitioner<T, K> extends StreamPartitioner<T> implements ConfigurableStreamPartitioner { ...      @Override     public int selectChannel(SerializationDelegate<StreamRecord<T>> record) {         K key;         try {             key = keySelector.getKey(record.getInstance().getValue());         } catch (Exception e) {             throw new RuntimeException("Could not extract key from " + record.getInstance().getValue(), e);         }         //調用KeyGroupRangeAssignment類的assignKeyToParallelOperator方法,代碼如下所示         return KeyGroupRangeAssignment.assignKeyToParallelOperator(key, maxParallelism, numberOfChannels);     } ... }

• org.apache.flink.runtime.state.KeyGroupRangeAssignment

public final class KeyGroupRangeAssignment { ...      /**      * 根據key分配一個并行算子實例的索引，該索引即為該key要發送的下游算子實例的路由信息，      * 即該key發送到哪一個task      */     public static int assignKeyToParallelOperator(Object key, int maxParallelism, int parallelism) {         Preconditions.checkNotNull(key, "Assigned key must not be null!");         return computeOperatorIndexForKeyGroup(maxParallelism, parallelism, assignToKeyGroup(key, maxParallelism));     }      /**      *根據key分配一個分組id(keyGroupId)      */     public static int assignToKeyGroup(Object key, int maxParallelism) {         Preconditions.checkNotNull(key, "Assigned key must not be null!");         //獲取key的hashcode         return computeKeyGroupForKeyHash(key.hashCode(), maxParallelism);     }      /**      * 根據key分配一個分組id(keyGroupId),      */     public static int computeKeyGroupForKeyHash(int keyHash, int maxParallelism) {          //與maxParallelism取余，獲取keyGroupId         return MathUtils.murmurHash(keyHash) % maxParallelism;     }      //計算分區index，即該key group應該發送到下游的哪一個算子實例     public static int computeOperatorIndexForKeyGroup(int maxParallelism, int parallelism, int keyGroupId) {         return keyGroupId * parallelism / maxParallelism;     } ...

圖解

CustomPartitionerWrapper

簡介

通過Partitioner實例的partition方法(自定義的)將記錄輸出到下游。

public class CustomPartitionerWrapper<K, T> extends StreamPartitioner<T> {     private static final long serialVersionUID = 1L;      Partitioner<K> partitioner;     KeySelector<T, K> keySelector;      public CustomPartitionerWrapper(Partitioner<K> partitioner, KeySelector<T, K> keySelector) {         this.partitioner = partitioner;         this.keySelector = keySelector;     }      @Override     public int selectChannel(SerializationDelegate<StreamRecord<T>> record) {         K key;         try {             key = keySelector.getKey(record.getInstance().getValue());         } catch (Exception e) {             throw new RuntimeException("Could not extract key from " + record.getInstance(), e);         } //實現Partitioner接口，重寫partition方法         return partitioner.partition(key, numberOfChannels);     }      @Override     public StreamPartitioner<T> copy() {         return this;     }      @Override     public String toString() {         return "CUSTOM";     } }

比如：

public class CustomPartitioner implements Partitioner<String> {       // key: 根據key的值來分區       // numPartitions: 下游算子并行度       @Override       public int partition(String key, int numPartitions) {          return key.length() % numPartitions;//在此處定義分區策略       }   }

關于“Flink中分區策略源碼是什么”這篇文章就分享到這里了，希望以上內容可以對大家有一定的幫助，使各位可以學到更多知識，如果覺得文章不錯，請把它分享出去讓更多的人看到。