Flink Task 并行度

1. 并行的数据流

   • Flink程序由多个任务（转换/运算符，数据源和接收器）组成，Flink中的程序本质上是并行和分布式的。

   • 在执行期间，流具有一个或多个流分区，并且每个operator具有一个或多个operator*子任务*。

   • operator子任务彼此独立，并且可以在不同的线程中执行，这些线程又可能在不同的机器或容器上执行。

   • operator子任务的数量是该特定operator的并行度。

   • 流的并行度始终是其生成operator的并行度。

   • 同一程序的不同operator可能具有不同的并行级别。

   • 示意图:

     

   • 流可以以一对一(或重新分配)模式或以重新分发模式在两个运营商之间传输数据:

     • 一对一流
       • 如上图中的Source和map运算符之间
       • 保留元素的分区和排序
       • 这意味着map运算符的subtask [1] 将看到与Source运算符的subtask [1]生成的顺序相同的元素
     • 重新分配流
       • 在上面的map和keyBy / window之间，以及 keyBy / window和Sink之间重新分配流
       • 每个运算符子任务将数据发送到不同的目标子任务, 具体取决于所选的转换。
       • 图中是根据 keyby算子进行数据的重新分布。

2. 任务并行度设置

   • 算子级别

     • 可以通过调用其setParallelism()方法来定义单个运算符，数据源或数据接收器的并行度。

               //1.初始化环境
               StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
               //2.读取数据源，并进行转换操作
               DataStream<Tuple2<String, Integer>> dataStream = env
                       .socketTextStream("ronnie01", 9999)
                       .flatMap(new Splitter())
                       .keyBy(0)
                       //每5秒触发一批计算
                       .timeWindow(Time.seconds(5))
                       // 设置并行度
                       .sum(1).setParallelism(3);

   • 执行环境级别

     • 执行环境级别的并行度是本次任务中所有的操作符，数据源和数据接收器的并行度。

     • 可以通过显式的配置运算符并行度来覆盖执行环境并行度。

               //1.初始化环境
               StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
       
               env.setParallelism(3);

   • 客户端级别

     • 在向Flink提交作业时，可以在客户端设置并行度，通过使用指定的parallelism参数-p。
     • 例如:
       • ./bin/flink run -p 10 ../examples/WordCount-java.jar

   • 系统级别

     • 通过设置flink_home/conf/flink-conf.yaml 配置文件中的parallelism.default配置项来定义默认并行度。