大数据-124 - Flink State 01篇 状态原理和原理分析：状态范例 实行分析 ...

点一下关注吧！！！非常感谢！！连续更新！！！

目前已经更新到了：

• Hadoop（已更完）
  
• HDFS（已更完）
  
• MapReduce（已更完）
  
• Hive（已更完）
  
• Flume（已更完）
  
• Sqoop（已更完）
  
• Zookeeper（已更完）
  
• HBase（已更完）
  
• Redis （已更完）
  
• Kafka（已更完）
  
• Spark（已更完）
  
• Flink（正在更新！）
  

章节内容

上节我们完成了如下的内容：

• Flink 并行度
  
• Flink 并行度详解
  
• Flink 并行度 案例
  
  
  
  

状态范例

Flink根据是否需要保存中间结果，把计算分为有状态计算和无状态计算。

• 有状态计算：依靠之前或之后的变乱
  
• 无状态计算：独立
  

根据数据布局差别，Flink定义了多种State，应用于差别的场景。

• ValueState：即范例为T的单值状态，这个状态与对应的Key绑定，是最简单的状态了。它可以通过update方法更新状态值，通过 value() 方法获取状态值
  
• ListState：即Key上的状态值为一个列表，可以通过add方法往列表中附加值，也可以通过get()方法返回一个Iterable来遍历状态值
  
• ReducingState：这种状态通过用户传入的ReduceFunction，每次调用add方法添加值的时间，会调用ReduceFunction，最后合并到一个单一的状态值。
  
• FoldingState：跟ReducingState有点类似，不外它的状态值范例可以与add方法中传入的元素范例差别（这种状态会在未来的Flink版本当中删除）
  
• MapState：即状态值为一个Map，用户通过put和putAll方法添加元素
  

State按照是否有Key划分为：

• KeyedState
  
• OperatorState
  

案例1 使用State求均匀值

实现思路

• 读数据源
  
• 将数据源根据Key分组
  
• 按照Key分组战略，对流式数据调用状态化处理：实例化出一个状态实例，随着流式数据的到来更新状态，最后输出结果
  

编写代码

1. package icu.wzk;
3. import org.apache.flink.api.common.functions.RichFlatMapFunction;
4. import org.apache.flink.api.common.state.ValueState;
5. import org.apache.flink.api.common.state.ValueStateDescriptor;
6. import org.apache.flink.api.common.typeinfo.TypeHint;
7. import org.apache.flink.api.common.typeinfo.TypeInformation;
8. import org.apache.flink.api.java.functions.KeySelector;
9. import org.apache.flink.api.java.tuple.Tuple2;
10. import org.apache.flink.configuration.Configuration;
11. import org.apache.flink.streaming.api.datastream.DataStreamSource;
12. import org.apache.flink.streaming.api.datastream.KeyedStream;
13. import org.apache.flink.streaming.api.datastream.SingleOutputStreamOperator;
14. import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
15. import org.apache.flink.util.Collector;
18. public class FlinkStateTest01 {
20.     public static void main(String[] args) throws Exception {
21.         StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
22.         env.setParallelism(1);
23.         DataStreamSource<Tuple2<Long, Long>> data = env
24.                 .fromElements(
25.                         Tuple2.of(1L, 3L),
26.                         Tuple2.of(1L, 5L),
27.                         Tuple2.of(1L, 7L),
28.                         Tuple2.of(1L, 4L),
29.                         Tuple2.of(1L, 2L)
30.                 );
31.         KeyedStream<Tuple2<Long, Long>, Long> keyed = data
32.                 .keyBy(new KeySelector<Tuple2<Long, Long>, Long>() {
33.                     @Override
34.                     public Long getKey(Tuple2<Long, Long> value) throws Exception {
35.                         return value.f0;
36.                     }
37.                 });
38.         SingleOutputStreamOperator<Tuple2<Long, Long>> flatMapped = keyed
39.                 .flatMap(new RichFlatMapFunction<Tuple2<Long, Long>, Tuple2<Long, Long>>() {
40.                     private transient ValueState<Tuple2<Long, Long>> sum;
42.                     @Override
43.                     public void flatMap(Tuple2<Long, Long> value, Collector<Tuple2<Long, Long>> out) throws Exception {
44.                         Tuple2<Long, Long> currentSum = sum.value();
45.                         if (currentSum == null) {
46.                             currentSum = Tuple2.of(0L, 0L);
47.                         }
48.                         // 更新
49.                         currentSum.f0 += 1L;
50.                         currentSum.f1 += value.f1;
51.                         System.out.println("currentValue: " + currentSum);
52.                         // 更新状态值
53.                         sum.update(currentSum);
54.                         // 如果 count >= 5 清空状态值 重新计算
55.                         if (currentSum.f0 >= 5) {
56.                             out.collect(new Tuple2<>(value.f0, currentSum.f1 / currentSum.f0));
57.                             sum.clear();
58.                         }
59.                     }
61.                     @Override
62.                     public void open(Configuration parameters) throws Exception {
63.                         ValueStateDescriptor<Tuple2<Long, Long>> descriptor = new ValueStateDescriptor<>(
64.                                 "average",
65.                                 TypeInformation.of(new TypeHint<Tuple2<Long, Long>>() {})
66.                         );
67.                         sum = getRuntimeContext().getState(descriptor);
68.                     }
69.                 });
70.         flatMapped.print();
71.         env.execute("Flink State Test");
72.     }
73. }

复制代码

运行结果

实行分析

Keyed State

表示和Key相干的一种State， 只能用于KeyedStream范例数据集对应的Function和Operator之上，KeyedState是OperatorState的特例，区别在于KeyedState事先按照Key对数据集进行了区分，每个KeyState仅对应一个Operator和Key的组合。
KeyedState可以通过KeyGroups进行管理，主要用于当算子并行度发生变革时，自动重新分布KeyedState数据。在系统运行过程中，一个Keyed算子实例大概运行一个大概多个KeyGroups的Keys。
Operator State

与 Keyed State 差别的是，Operator State 只和并行的算子实例绑定，和数据元素中的Key无关，每个算子实例中持有全部数据元素中的一部分状态数据。Operator State 支持算子实例并行度发生变革时自动重新分配状态数据。
同时在Flink中KeyedState和OperatorState均具有两种形式，此中一种为托管状态（Managed State）形式，由FlinkRuntime中控制和管理状态数据，并将状态数据转换为内存HashTables或RocksDB的对象存储，然后将这些状态数据通过内部的接口长期话到CheckPoints中，使命非常时可以通过这些状态数据恢复使命。另外一种是原生状态（Row State）形式，由算子本身管理数据布局，当触发CheckPoint中，当从CheckPoint恢复使命时，算子本身再返序列化出状态的数据布局。
DataStreamAPI支持使用ManagedState和RawState两种状态形式，在Flink中推荐用户使用ManagedState管理状态数据，主要缘故原由是ManagedState可以或许更好地支持状态数据的重平衡以及更加完善的内存管理。
状态描述

State既然是暴露给用户的，那么就需要有一些属性需要指定：

• State名称
  
• Value Serializer
  
• State Type Info
  

在对应的StateBackend中，会去调用对应的create方法获取到stateDescriptor中的值。
Flink通过StateDescriptor来定义一个状态，这是一个抽象类，内部定义了状态名称、范例、序列化器等底子信息，与上面的状态对应，从StateDescriptor派生ValueStateDescriptor、ListStateDescriptor等等

• ValueState getState(ValueStateDescriptor)
  
• ReducingState getReducingState(ReducingStateDescriptor)
  
• ListState getListState(ListStateDescriptor)
  
• FoldingState getFoldingState(FoldingStateDescriptor)
  
• MapState getMapState(MapStateDescriptot)
  

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。