Home

上篇学习笔记通过 Kafka Offsets 以及用户 Count 函数分别介绍了 OperatorState 以及 KeyedState，但当我们使用 flink-SQL 时无法Assigning Operator IDs ，而实际场景中总免不了要查看 state 的需求。 这篇笔记从这个实际需求出发，实现一个 demo 的解决方案，进而相比文档更深入的了解下 flink state 的设计。 1. Mock FlinkKafkaConsumerBase 在不想深入了解 flink state 实现细节的情况下，一个比较自然的想法是：既然Flinkkafkaconsumerbase可以从 state 恢复 offsets，那么我们不妨直接利用该类或者Mock该类去尝试读取 st...

1. 概念 Flink 支持有状态的计算。状态即历史数据，例如计算过程中的 pv uv，此外还有数据源例如 Kafka Connector 的 offsets，数据存储比如接收后缓存未持久化的数据。 计算 uv，就需要存储键为 u，值为 count/明细的数据，可以使用外部存储，也可以在计算引擎中存储。在计算引擎中存储的好处是可以做到对用户无感知，例如SELECT user, count(distinct url) GROUP BY user，如果我们只需要写出这样的逻辑，而不用关注distinct url是如何存储的，会是一件很美好的事情。当然同样需要解决接口上的易用性、数据不丢不重的可靠性这类基础问题。 Flink 支持这类需求的机制就是 State. 网上介绍 state...

flink 提供多种消费 Kafka 数据的方式，由于不同层级接口支持的功能范围、粒度不同，同时 flink 版本迭代频繁，接口也在不断发生变化，因此使用起来容易混淆。 当我们定义了一个 Kafka 的 DDL，例如： CREATE TABLE MyUserTable ( ... ) WITH ( 'connector.type' = 'kafka', 'connector.version' = '0.11' ... ) 在 DDL 背后都做了什么，使得我们能够通过 SQL 读写这张表？flink 如何组织其代码结构，如何复用 streaming 相关代码的？接口从 API 到 SQL，方式更加简洁的同时，又有哪些功能被忽略掉了？ 这些疑问，在刚...

生成StreamGraph后，接下来就是构造 JobGraph 了，这一步主要的变化是将尽可能合并多个相邻的 StreamNode. 1. Why 在分布式计算中，多个节点交换数据都通过 rpc 完成，这其中就少不了网络传输、序列化与反序列化的一系列过程，如果能够优化为硬盘或者内存处理，例如对于map(...).filt(...)，理论上完全可以在本地串行计算完成，避免全量传输map的结果，在性能上明显就会有提高。 Flink 从 StreamGraph 转化为 JobGrpah 的过程，主要就是这个目的。例如对于 A → B → C → D 的调用顺序，如果 A B 可以合并为本地处理，那么就可以生成 A’ → C → D 新的 DAG 图，这就是 StreamGraph → ...

上一篇笔记介绍由 API 生成StreamExecutionEnvironment.transformations，接下来就是生成 StreamGraph. StreamExecutionEnvironment.execute里包含了诸如 StreamGraph、JobGraph、？等流程。 具体在StreamGraphGenerator.generate: StreamGraph generate() { streamGraph = new StreamGraph(executionConfig, checkpointConfig); ... alreadyTransformed = new HashMap<>(); for (Transformat...

年前开始接触 flink，到现在已经有三个月的时间了，除了最开始简单看了下 flink 的启动过程，最近一直被其 scala 及 SQL API 搞的很虚。这个假期得空，终于开始盘点下。 这篇笔记介绍下 transformations 的生成过程。 其实 flink 相关介绍网上比比皆是，为了避免拾人牙慧，本文主要介绍下自己的理解，参考文章附录在文末。 1. 开篇 以 flink 里的 Hello World 为例： val text = env.socketTextStream("127.0.0.1", 8011) text.flatMap(new FlatMapFunction[String, (String, Int)] { override def flatMa...

19年看完的书单📖： 西游八十一案-大唐泥犁狱 半小时漫画中国史 半小时漫画世界史 半小时漫画经济学-生活常识篇 Scala谜题 图解HTTP 长安古意 追风筝的人 小岛经济学 殉罪者 Scala实用指南 四时之诗：蒙曼品最美唐诗 无所畏 网络是怎样连接的 路上通勤的时间，看完了《大唐泥犁狱》、《追风筝的人》，这两本都比预期要好看很多，非常推荐。 技术类的几本书籍收获一般，如果要学习 Scala 的话，还是推荐《快学Scala》这本。 19年想要了解下经济学，因此看了本《小岛经济学》，还不错，当然感觉对于我们来讲，初期通过视频学习可能更加通俗易懂。 《蒙曼品最美唐诗》是最出乎意料的一本，诗本身以及解读都很美，读完了赏心悦目。...

Dropwizard Metrics Library 是一个 java 的监控工具包，Spark 将其作为 monitor 系统的基础实现。借助 Dropwizard Metrics 我们可以通过仅仅几行代码，就可以实现诸如数据分布、延时统计、计数等统计需求，将内部状态暴露出来。对应的，Metrics 实际上包含了两部分，监控的指标(Metric)以及指标如何导出(Reporter)。 1. Metric 1.1. Meter Meter 是一个与时间有关的统计值，例如我们可以这么使用： val requests = metrics.meter("requests") new Thread { ... requests.mark() } 底层...