Flink 状态管理

楼高2年前技术文章692

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

HBase Shell操作

基本操作1.进入HBase客户端命令行[root@cdh02 current]# hbase shell2.查看帮助命令hbase(main):001:0> help3.查看当前数据库中有哪些表...

CDH实操--客户端安装

CDH实操--客户端安装

CDH客户端安装概述安装CDH客户端,主要是方便在CDH部署节点以外,通过客户端的方式连接CDH上的hdfs,hive和hbase服务1、安装jdk(适配CDH即可,一般1.8)2、获取安装包 3、部...

MySQL运维实战(5.5) 数据导入导出时的字符集问题

mysql可以使用load data/select into outfile或mysqldump工具进行数据导入导出。下面分别分析数据导入导出时的字符集相关问题。准备测试数据创建测试表,2个字段分别使...

百万并发下的nginx优化

百万并发下的nginx优化

百万并发下的nginx优化之道一、nginx地址重写1、nginx地址重写(rewrite)介绍nginx地址重写的主要功能是实现URL地址的重定向。服务器获得一个来访的URL请求,然后改写成服务器可...

卸载mysql

1、查看安装的mysql,并停止mysqlps -ef|grep mysql #停止mysql  kill -9 pid2、卸载mysql安装包二进制安装的没有安装包 #查看安装的mysql...

ES运维(五)聚合分析流程及精准度

ES运维(五)聚合分析流程及精准度

1、 概述ES是一个近实时的搜索引擎,提供近实时海量数据的聚合分析功能,但这个海量数据聚合分析是会损失一定的精准度来满足实时性能需要的。 2、 分布式系统的近似统计算法如下图,在分布式数据分...

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。