47、Flink 的 Data Source 原理

1.Data Source 原理

a）焦点组件

一个数据 source 包括三个焦点组件：分片（Splits）、分片枚举器（SplitEnumerator） 以及 源阅读器（SourceReader）。

• 分片（Split） 是对一部分 source 数据的包装，如一个文件大概日志分区。分片是 source 举行使命分配和数据并行读取的根本粒度。
  
• 源阅读器（SourceReader） 会请求分片并举行处理，比方读取分片所表示的文件或日志分区。SourceReader 在 TaskManagers 上的 SourceOperators 并行运行，并产生并行的变乱流/记载流。
  
• 分片枚举器（SplitEnumerator） 会天生分片并将它们分配给 SourceReader。该组件在 JobManager 上以单并行度运行，负责对未分配的分片举行维护，并以平衡的方式将其分配给 reader。
  

Source 类作为API入口，将上述三个组件结合在了一起。

b）流处理和批处理的同一

Data Source API 以同一的方式对无界流数据和有界批数据举行处理。
流处理和批处理区别很小：在有界/批处理情况中，枚举器天生固定命量的分片，而且每个分片都必须是有限的；但在无界流的情况下，分片巨细可以不是有限的，大概枚举器将不断天生新的分片。
c）示例

展示在流和批处理情况下 data source 组件如何交互；以下内容并没有准确地描述出 Kafka 和 File source 的工作方式。
有界 File Source
Source 包含待读取目次的 URI/路径（Path），以及一个界说了如何对文件举行分析的格式（Format）。

• 分片是一个文件，大概是文件的一个地区（如果该文件格式支持对文件举行拆分）。
  
• SplitEnumerator 将会列举给定目次路径下的所有文件，并在收到来自 reader 的请求时对分片举行分配。一旦所有的分片都被分配完毕，则会使用 NoMoreSplits 来响应请求。
  
• SourceReader 则会请求分片，读取所分配的分片（文件大概文件地区），并使用给定的格式举行分析。如果当前请求没有得到下一个分片，而是 NoMoreSplits，则会终止使命。
  

无界 Streaming File Source
与**有界 File Source **类似，除了 SplitEnumerator 从不会使用 NoMoreSplits 来响应 SourceReader 的请求，并且还会定期列出给定 URI/路径下的文件来查抄是否有新文件；一旦发现新文件，则天生对应的新分片，并将它们分配给空闲的 SourceReader。
无界 Streaming Kafka Source
Source 将具有 Kafka Topic（亦大概一系列 Topics 大概通过正则表达式匹配的 Topic）以及一个 分析器（Deserializer） 来分析记载（record）。

• 分片是一个 Kafka Topic Partition。
  
• SplitEnumerator 会毗连到 broker 从而列举出已订阅的 Topics 中的所有 Topic Partitions。枚举器可以重复此操作以查抄是否有新的 Topics/Partitions。
  
• SourceReader 使用 KafkaConsumer 读取所分配的分片（Topic Partition），并使用提供的 分析器 反序列化记载。由于流处理中分片（Topic Partition）巨细是无限的，因此 reader 永久无法读取到数据的尾部。
  

有界 Kafka Source
每个分片（Topic Partition）都会有一个预界说的结束偏移量，其他与上述类似；一旦 SourceReader 读取到分片的结束偏移量，整个分片的读取就会结束。而一旦所有所分配的分片读取结束，SourceReader 也就终止使命了。

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。