Flink 状态管理

楼高2年前技术文章682

一、  Flink 中的状态

image.png

1、由一个任务维护,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 

2、可以认为状态就是一个本地变量,可以被任务的业务逻辑访问 

3、Flink 会进行状态管理,包括状态一致性、故障处理以及高效存储和访问,以 便开发人员可以专注于应用程序的逻辑

二、状态类型

1、在 Flink 中,状态始终与特定算子相关联 

2、为了使运行时的 Flink 了解算子的状态,算子需要预先注册其状态 

状态类型: 

(1)算子状态(Operator State) 

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,状态对于同一子任务而言是共享的,算子状态不能由相同或不同算子的另一个子任务访问

(2)键控状态(Keyed State) 

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

数据结构:

算子状态数据结构:

(1)列表状态(List state) 

将状态表示为一组数据的列表 

(2)联合列表状态(Union list state) 

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 

(3)广播状态(Broadcast state) 

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。

键控状态数据结构:

(1)值状态(Value state) 

将状态表示为单个的值 

(2)列表状态(List state) 

将状态表示为一组数据的列表 

(3)映射状态(Map state) 

将状态表示为一组 Key-Value 对 

(4)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

三、状态后端

1、每传入一条数据,有状态的算子任务都会读取和更新状态 

2、由于有效的状态访问对于处理数据的低延迟至关重要,因此每个并行 任务都会在本地维护其状态,以确保快速的状态访问

3、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(state backend)

4、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

相关文章

impala故障处理

问题复现:[cdh004:21000] > select count(*) from impala_100yi; Query: select count(*) from impala_100y...

大数据组件--Hive与Impala的异同

大数据组件--Hive与Impala的异同

一、同数据存储:使用相同的存储数据池都支持把数据存储于HDFS, HBase。元数据:两者使用相同的元数据。SQL语法:基本类似。二、异1)、底层运行使用的技术hive底层默认使用mapreduce引...

ACK版本升级

ACK版本升级

需求:将ACK版本从1.14.8升级至1.16.9升级前注意事项:集群升级需要机器可以公网访问,以便下载升级所需的软件包。集群升级Kubernetes过程中,可能会有升级失败的情况,为了您的数据安全,...

PostgreSQL 逻辑备份详解

前言当谈到关系型数据库的备份和恢复时,逻辑备份是一种备份方法,它备份数据库的逻辑结构和数据,而不是直接备份磁盘上的物理数据。这样做有许多好处,比如备份速度更快,可以选择性地备份数据库中的某些数据,以及...

MySQL性能优化(一)索引缺失引起的全表扫描

MySQL性能优化(一)索引缺失引起的全表扫描

索引缺失是引起数据库性能问题的第一大原因。一个例子这是一个非常简单的SQL,SELECT * FROM template WHERE templet_id ...

PG初识

PG数据库是一种典型的C/S模型应用,不同的客户端通过TCP/IP进行连接、每个连接启动一个fork进程(多进程数据库)。一、pg逻辑架构1.1 pg与MySQL异同对比逻辑架构postgresMyS...

发表评论    

◎欢迎参与讨论,请在这里发表您的看法、交流您的观点。