这世上唯一扛得住岁月摧残的就是才华
文章目录
1、状态管理
1.1 Flink中的状态
1.1.1 概述
1.1.2 状态的分类
1、托管状态（Managed State）和原始状态（Raw State）
Flink的状态有两种：托管状态（Managed State）和原始状态（Raw State）。托管状态就是由Flink统一管理的，状态的存储访问、故障恢复和重组等一系列问题都由Flink实现，我们只要调接口就可以；而原始状态则是自定义的，相当于就是开辟了一块内存，需要我们自己管理，实现状态的序列化和故障恢复。
通常我们采用Flink托管状态来实现需求。
2、算子状态（Operator）和按键分区状态（Keyed State）
接下来我们的重点就是托管状态（Managed State）。
我们知道在Flink中，一个算子任务会按照并行度分为多个并行子任务执行，而不同的子任务会占据不同的任务槽（task slot）。由于不同的slot在计算资源上是物理隔离的，所以Flink能管理的状态在并行任务间是无法共享的，每个状态只能针对当前子任务的实例有效。
而很多有状态的操作（比如聚合、窗口）都是要先做keyBy进行按键分区的。按键分区之后，任务所进行的所有计算都应该只针对当前key有效，所以状态也应该按照key彼此隔离。在这种情况下，状态的访问方式又会有所不同。
基于这样的想法，我们又可以将托管状态分为两类：算子状态和按键分区状态。
按键分区状态
另外，也可以通过富函数类（Rich Function）来自定义Keyed State，所以只要提供了富函数类接口的算子，也都可以使用Keyed State。所以即使是map、filter这样无状态的基本转换算子，我们也可以通过富函数类给它们“追加”Keyed State。比如RichMapFunction、RichFilterFunction。在富函数中，我们可以调用.getRuntimeContext()获取当前的运行时上下文（RuntimeContext），进而获取到访问状态的句柄；这种富函数中自定义的状态也是Keyed State。从这个角度讲，Flink中所有的算子都可以是有状态的。
无论是Keyed State还是Operator State，它们都是在本地实例上维护的，也就是说每个并行子任务维护着对应的状态，算子的子任务之间状态不共享。
1.2 按键分区状态（Keyed State）
按键分区状态（Keyed State）顾名思义，是任务按照键（key）来访问和维护的状态。它的特点非常鲜明，就是以key为作用范围进行隔离。
需要注意，使用Keyed State必须基于KeyedStream。没有进行keyBy分区的DataStream，即使转换算子实现了对应的富函数类，也不能通过运行时上下文访问Keyed Stat
1.2.1 值状态（ValueState）
顾名思义，状态中只保存一个“值”（value）。ValueState本身是一个接口，
源码中定义如下：
public interface ValueState<T> extends State { T value() throws IOException; void update(T value) throws IOException; }
这里的T是泛型，表示状态的数据内容可以是任何具体的数据类型。如果想要保存一个长整型值作为状态，那么类型就是ValueState。
我们可以在代码中读写值状态，实现对于状态的访问和更新。
T value()：获取当前状态的值；
update(T value)：对状态进行更新，传入的参数value就是要覆写的状态值。
在具体使用时，为了让运行时上下文清楚到底是哪个状态，我们还需要创建一个“状态描述器”（StateDescriptor）来提供状态的基本信息。例如源码中，ValueState的状态描述器构造方法如下：
public ValueStateDescriptor(String name, Class<T> typeClass) { super(name, typeClass, null); }
这里需要传入状态的名称和类型——这跟我们声明一个变量时做的事情完全一样。
案例
** * keyedState在使用时，只需要先keyBy * 在后续的处理函数中，自带生命周期方法 * open():需要再Task启动时，从之前的备份中根据描述取出状态 * * 特点：每一个Task上，各种key各有各的State，互不干扰 * ------------------------------------------------ * ValueState储存单个值，可以是任意类型 * ------------------------------------------------- * 检测每种传感器的水位值，如果连续的两个水位值超过10就输出报警 */ public class Demo01_ValueState { public static void main(String[] args) throws Exception { //创建Flink配置类（空参创建的话都是默认值） Configuration configuration = new Configuration(); //修改配置类中的WebUI端口号 configuration.setInteger("rest.port",3333); //创建Flink环境（并且传入配置对象） StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment(configuration); env.socketTextStream("hadoop102",9999) .map(new WaterSensorFunction()) .keyBy(WaterSensor::getId) .process(new KeyedProcessFunction<String, WaterSensor, String>() { private ValueState<Integer> state; @Override public void open(Configuration parameters) throws Exception { //设置状态存储的描述器 ValueStateDescriptor<Integer> stateDescriptor = new ValueStateDescriptor<>("state", Integer.class); //获取状态的存储 state = getRuntimeContext().getState(stateDescriptor); } @Override public void processElement(WaterSensor value, KeyedProcessFunction<String, WaterSensor, String>.Context ctx, Collector<String> out) throws Exception { //如果状态中从来没有存储过数据，此时lastVc是null Integer lastVc = state.value(); //连续两个水位值超过10，就输出报警 if (lastVc!=null&&lastVc>10&&value.getVc()>10){ out.collect(ctx.getCurrentKey()+"连续两个传感器的vc("+lastVc+","+value.getVc()+")超过10....."); } state.update(value.getVc()); } }).print(); env.execute(); } }
测试截图：
1.2.2 列表状态（ListState）
将需要保存的数据，以列表（List）的形式组织起来。在ListState接口中同样有一个类型参数T，表示列表中数据的类型。ListState也提供了一系列的方法来操作状态，使用方式与一般的List非常相似。
Iterable get()：获取当前的列表状态，返回的是一个可迭代类型Iterable；
update(List values)：传入一个列表values，直接对状态进行覆盖；
add(T value)：在状态列表中添加一个元素value；
addAll(List values)：向列表中添加多个元素，以列表values形式传入。
类似地，ListState的状态描述器就叫作ListStateDescriptor，用法跟ValueStateDescriptor完全一致。
/** * keyedState在使用时，只需要先keyBy * 在后续的处理函数中，自带生命周期方法 * open():需要再Task启动时，从之前的备份中根据描述取出状态 * * 特点：每一个Task上，各种key各有各的State，互不干扰 * ------------------------------------------------ * ListState储存多个类型相同的值，可以是任意类型 * ------------------------------------------------- * 取水位最高的前三 */ public class Demo02_ListState { public static void main(String[] args) throws Exception { //创建Flink配置类（空参创建的话都是默认值） Configuration configuration = new Configuration(); //修改配置类中的WebUI端口号 configuration.setInteger("rest.port",3333); //创建Flink环境（并且传入配置对象） StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment(configuration); env.socketTextStream("hadoop102",9999) .map(new WaterSensorFunction()) .keyBy(WaterSensor::getId) .process(new KeyedProcessFunction<String, WaterSensor, String>() { private ListState<Integer> state; @Override public void open(Configuration parameters) throws Exception { //设置状态存储的描述器 ListStateDescriptor<Integer> listStateDescriptor = new ListStateDescriptor<>("state", Integer.class); //获取状态的存储 state = getRuntimeContext().getListState(listStateDescriptor); } @Override public void processElement(WaterSensor value, KeyedProcessFunction<String, WaterSensor, String>.Context ctx, Collector<String> out) throws Exception { state.add(value.getVc()); List<Integer> top3 = StreamSupport.stream(state.get().spliterator(), true).sorted(Comparator.reverseOrder()).limit(3).collect(Collectors.toList()); out.collect(ctx.getCurrentKey()+"最新Top水位："+top3); state.update(top3); } }).print(); env.execute(); } public static class MyMapFunction implements MapFunction<String ,String>, CheckpointedFunction { //private List<String> strs = new ArrayList<>(); /* 把它当List集合用。 添加元素: ListState.add() ListState.addAll() 删除: ListState.clear() 修改: ListState.update() 覆盖修改 等价于 先清空，再写入 读取: ListState.get() */ private ListState<String> strs; private ListState<String> strs1; private ListState<String> strs2; @Override public String map(String value) throws Exception { strs.add(value); return strs.get().toString(); } //备份状态 周期性(ck设置的周期)执行。 @Override public void snapshotState(FunctionSnapshotContext context) throws Exception { System.out.println("MyMapFunction.snapshotState"); } //Task重启后，做初始化。为声明的状态去赋值和恢复。 在Task启动时，只执行一次 @Override public void initializeState(FunctionInitializationContext context) throws Exception { System.out.println("MyMapFunction.initializeState"); //找到之前OperatorState的备份 OperatorStateStore operatorStateStore = context.getOperatorStateStore(); //准备要取出的状态的描述 ListStateDescriptor<String> strsListStateDescriptor = new ListStateDescriptor<>("list1", String.class); //从备份中找到指定的状态，取出 strs = operatorStateStore.getListState(strsListStateDescriptor); } } }
测试截图：
1.2.3 Map状态（MapState）
把一些键值对（key-value）作为状态整体保存起来，可以认为就是一组key-value映射的列表。对应的MapState<UK, UV>接口中，就会有UK、UV两个泛型，分别表示保存的key和value的类型。同样，MapState提供了操作映射状态的方法，与Map的使用非常类似。
UV get(UK key)：传入一个key作为参数，查询对应的value值；
put(UK key, UV value)：传入一个键值对，更新key对应的value值；
putAll(Map<UK, UV> map)：将传入的映射map中所有的键值对，全部添加到映射状态中；
remove(UK key)：将指定key对应的键值对删除；
boolean contains(UK key)：判断是否存在指定的key，返回一个boolean值。另外，MapState也提供了获取整个映射相关信息的方法；
Iterable<Map.Entry<UK, UV>> entries()：获取映射状态中所有的键值对；
Iterable keys()：获取映射状态中所有的键（key），返回一个可迭代Iterable类型；
Iterable values()：获取映射状态中所有的值（value），返回一个可迭代Iterable类型；
boolean isEmpty()：判断映射是否为空，返回一个boolean值。
/** * keyedState在使用时，只需要先keyBy * 在后续的处理函数中，自带生命周期方法 * open():需要再Task启动时，从之前的备份中根据描述取出状态 * * 特点：每一个Task上，各种key各有各的State，互不干扰 * ------------------------------------------------ * mapState储存多个值，可以是任意类型 * ------------------------------------------------- * 统计每种传感器每种水位值出现的次数 */ public class Demo03_MapState { public static void main(String[] args) throws Exception { //创建Flink配置类（空参创建的话都是默认值） Configuration configuration = new Configuration(); //修改配置类中的WebUI端口号 configuration.setInteger("rest.port",3333); //创建Flink环境（并且传入配置对象） StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment(configuration); env.socketTextStream("hadoop102",9999) .map(new WaterSensorFunction()) .keyBy(WaterSensor::getId) .process(new KeyedProcessFunction<String, WaterSensor, String>() { private MapState<Integer,Integer> state; @Override public void open(Configuration parameters) throws Exception { //设置状态存储的描述器 MapStateDescriptor<Integer, Integer> mapStateDescriptor = new MapStateDescriptor<>("state", Integer.class, Integer.class); //获取状态的存储 state = getRuntimeContext().getMapState(mapStateDescriptor); } @Override public void processElement(WaterSensor value, KeyedProcessFunction<String, WaterSensor, String>.Context ctx, Collector<String> out) throws Exception { if (state.get(value.getVc())!=null){ Integer nums = state.get(value.getVc()); state.put(value.getVc(),nums+1); }else { state.put(value.getVc(),1); } out.collect(ctx.getCurrentKey()+":"+state.entries().toString()); } }).print(); env.execute(); } }
测试截图：
1.2.4 归约状态（ReducingState）
类似于值状态（Value），不过需要对添加进来的所有数据进行归约，将归约聚合之后的值作为状态保存下来。ReducingState这个接口调用的方法类似于ListState，只不过它保存的只是一个聚合值，所以调用.add()方法时，不是在状态列表里添加元素，而是直接把新数据和之前的状态进行归约，并用得到的结果更新状态。
归约逻辑的定义，是在归约状态描述器（ReducingStateDescriptor）中，通过传入一个归约函数（ReduceFunction）来实现的。这里的归约函数，就是我们之前介绍reduce聚合算子时讲到的ReduceFunction，所以状态类型跟输入的数据类型是一样的。
public ReducingStateDescriptor( String name, ReduceFunction<T> reduceFunction, Class<T> typeClass) {...} • 1 • 2
这里的描述器有三个参数，其中第二个参数就是定义了归约聚合逻辑的ReduceFunction，另外两个参数则是状态的名称和类型。
/** * 带有聚合功能的状态，需要吧数据存入状态，可以自动根据逻辑聚合 * 获取状态的值，就是聚合后的结果 * * * 计算每个传感器的水位和 * */ public class Demo04_ReduceState { public static void main(String[] args) throws Exception { //创建Flink配置类（空参创建的话都是默认值） Configuration configuration = new Configuration(); //修改配置类中的WebUI端口号 configuration.setInteger("rest.port",3333); //创建Flink环境（并且传入配置对象） StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment(configuration); env.socketTextStream("hadoop102",9999) .map(new WaterSensorFunction()) .keyBy(WaterSensor::getId) .process(new KeyedProcessFunction<String, WaterSensor, String>() { private ReducingState<Integer> state; @Override public void open(Configuration parameters) throws Exception { //设置状态存储的描述器 ReducingStateDescriptor stateDescriptor = new ReducingStateDescriptor<>("state", new ReduceFunction<Integer>() { @Override public Integer reduce(Integer value1, Integer value2) throws Exception { return value1+value2; } }, Integer.class); //获取状态的存储 state = getRuntimeContext().getReducingState(stateDescriptor); } @Override public void processElement(WaterSensor value, KeyedProcessFunction<String, WaterSensor, String>.Context ctx, Collector<String> out) throws Exception { state.add(value.getVc()); out.collect(ctx.getCurrentKey()+":"+state.get()); } }).print(); env.execute(); } }
测试截图：
1.2.5 聚合状态（AggregatingState）
与归约状态非常类似，聚合状态也是一个值，用来保存添加进来的所有数据的聚合结果。与ReducingState不同的是，它的聚合逻辑是由在描述器中传入一个更加一般化的聚合函数（AggregateFunction）来定义的；这也就是之前我们讲过的AggregateFunction，里面通过一个累加器（Accumulator）来表示状态，所以聚合的状态类型可以跟添加进来的数据类型完全不同，使用更加灵活。
同样地，AggregatingState接口调用方法也与ReducingState相同，调用.add()方法添加元素时，会直接使用指定的AggregateFunction进行聚合并更新状态。
/** * 带有聚合功能的状态，需要吧数据存入状态，可以自动根据逻辑聚合 * 获取状态的值，就是聚合后的结果 * * * 计算每个传感器的水位平均值 * */ public class Demo06_AggregatingState { public static void main(String[] args) throws Exception { //创建Flink配置类（空参创建的话都是默认值） Configuration configuration = new Configuration(); //修改配置类中的WebUI端口号 configuration.setInteger("rest.port",3333); //创建Flink环境（并且传入配置对象） StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment(configuration); env.socketTextStream("hadoop102",9999) .map(new WaterSensorFunction()) .keyBy(WaterSensor::getId) .process(new KeyedProcessFunction<String, WaterSensor, String>() { private AggregatingState<Integer, Double> state; @Override public void open(Configuration parameters) throws Exception { //设置状态存储的描述器 //获取状态的存储 state = getRuntimeContext() .getAggregatingState( new AggregatingStateDescriptor<>( "state", new AggregateFunction<Integer, Tuple2<Integer, Double>, Double>() { @Override public Tuple2<Integer, Double> createAccumulator() { return Tuple2.of(0, 0d); } @Override public Tuple2<Integer, Double> add(Integer value, Tuple2<Integer, Double> accumulator) { accumulator.f0 += 1; accumulator.f1 += value; return accumulator; } @Override public Double getResult(Tuple2<Integer, Double> accumulator) { return accumulator.f1 / accumulator.f0; } //不用写 @Override public Tuple2<Integer, Double> merge(Tuple2<Integer, Double> a, Tuple2<Integer, Double> b) { return null; } }, Types.TUPLE(Types.INT, Types.DOUBLE) ) ); } @Override public void processElement(WaterSensor value, KeyedProcessFunction<String, WaterSensor, String>.Context ctx, Collector<String> out) throws Exception { state.add(value.getVc()); //取出结果 out.collect(ctx.getCurrentKey() +" avgVc：" +state.get()); } }).print(); env.execute(); } }
测试截图：
1.2.6 状态生存时间（TTL）
在实际应用中，很多状态会随着时间的推移逐渐增长，如果不加以限制，最终就会导致存储空间的耗尽。一个优化的思路是直接在代码中调用.clear()方法去清除状态，但是有时候我们的逻辑要求不能直接清除。这时就需要配置一个状态的“生存时间”（time-to-live，TTL），当状态在内存中存在的时间超出这个值时，就将它清除。
具体实现上，如果用一个进程不停地扫描所有状态看是否过期，显然会占用大量资源做无用功。状态的失效其实不需要立即删除，所以我们可以给状态附加一个属性，也就是状态的“失效时间”。状态创建的时候，设置 失效时间 = 当前时间 + TTL；之后如果有对状态的访问和修改，我们可以再对失效时间进行更新；当设置的清除条件被触发时（比如，状态被访问的时候，或者每隔一段时间扫描一次失效状态），就可以判断状态是否失效、从而进行清除了。
配置状态的TTL时，需要创建一个StateTtlConfig配置对象，然后调用状态描述器的.enableTimeToLive()方法启动TTL功能。
StateTtlConfig ttlConfig = StateTtlConfig .newBuilder(Time.seconds(10)) .setUpdateType(StateTtlConfig.UpdateType.OnCreateAndWrite) .setStateVisibility(StateTtlConfig.StateVisibility.NeverReturnExpired) .build(); ValueStateDescriptor<String> stateDescriptor = new ValueStateDescriptor<>("my state", String.class); stateDescriptor.enableTimeToLive(ttlConfig);
这里用到了几个配置项：
.newBuilder()
状态TTL配置的构造器方法，必须调用，返回一个Builder之后再调用.build()方法就可以得到StateTtlConfig了。方法需要传入一个Time作为参数，这就是设定的状态生存时间。
.setUpdateType()
设置更新类型。更新类型指定了什么时候更新状态失效时间，这里的OnCreateAndWrite表示只有创建状态和更改状态（写操作）时更新失效时间。另一种类型OnReadAndWrite则表示无论读写操作都会更新失效时间，也就是只要对状态进行了访问，就表明它是活跃的，从而延长生存时间。这个配置默认为OnCreateAndWrite。
.setStateVisibility()
设置状态的可见性。所谓的“状态可见性”，是指因为清除操作并不是实时的，所以当状态过期之后还有可能继续存在，这时如果对它进行访问，能否正常读取到就是一个问题了。这里设置的NeverReturnExpired是默认行为，表示从不返回过期值，也就是只要过期就认为它已经被清除了，应用不能继续读取；这在处理会话或者隐私数据时比较重要。对应的另一种配置是ReturnExpireDefNotCleanedUp，就是如果过期状态还存在，就返回它的值。
除此之外，TTL配置还可以设置在保存检查点（checkpoint）时触发清除操作，或者配置增量的清理（incremental cleanup），还可以针对RocksDB状态后端使用压缩过滤器（compaction filter）进行后台清理。这里需要注意，目前的TTL设置只支持处理时间。
/** * 程序是7*24小时一直运行 * 状态是储存在内存中。如果不动手清理(Clear())，状态会越存越多。 * 内存是有限的，当状态过多时，需要把一些可以清理的状态，清理掉。 * 实现方式： * 自己调用clear() * 自动清理（设置一个过期时间） * ---------------------------------------------- * 过期时间： ttl time to live * * 1、设置一个过期对象 * 2、讲对象传入在open方法中的状态描述的方法中 * */ public class Demo09_Ttl{ public static void main(String[] args) throws Exception { //创建Flink配置类（空参创建的话都是默认值） Configuration configuration = new Configuration(); //修改配置类中的WebUI端口号 configuration.setInteger("rest.port",3333); //创建Flink环境（并且传入配置对象） StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment(configuration); //并行度 env.setParallelism(1); //构造状态的过期时间对象 StateTtlConfig ttlConfig = StateTtlConfig //传入状态的存活时间 .newBuilder(Time.seconds(15)) //状态过期了就不返回了 .neverReturnExpired() /** * 清理过期状态的原理： * 如果设置了ttl，此时每个状态在存储的时候，会多储存一个lastAccessTime字段 * * 设置状态中存活时间的更新策略。用来更新lastAccessTime * OnCreateAndWrite：lastAccessTime会在状态被写的时候更新 * OnReadAndWrite：lastAccessTime会在状态被读或写的时候更新 * 如何判断过期 * 没有事件时间的概念，只和物理时钟有关 * * 当前读写时间-lastAccessTime>ttl,此时标记这个状态已经过期 * 之后会在后台启动一个清理的线程，定期把标记为过期的状态删除 */ .setUpdateType(StateTtlConfig.UpdateType.OnReadAndWrite) .build(); env.socketTextStream("hadoop102",9999) .map(new WaterSensorFunction()) .keyBy(WaterSensor::getId) .process(new KeyedProcessFunction<String, WaterSensor, String>() { private ListState<Integer> listState; @Override public void open(Configuration parameters) throws Exception { ListStateDescriptor<Integer> listStateDescriptor = new ListStateDescriptor<>("state", Integer.class); //应用存货策略 listStateDescriptor.enableTimeToLive(ttlConfig); listState = getRuntimeContext().getListState(listStateDescriptor); } @Override public void processElement(WaterSensor value, KeyedProcessFunction<String, WaterSensor, String>.Context ctx, Collector<String> out) throws Exception { listState.add(value.getVc()); Iterable<Integer> integers = listState.get(); List<Integer> top3 = StreamSupport.stream(integers.spliterator(), true) .sorted(Comparator.reverseOrder()) .limit(3) .collect(Collectors.toList()); out.collect(ctx.getCurrentKey()+"最新Top3："+top3); listState.update(top3); } }).print(); env.execute(); } }
测试截图：
注意：最后一条记录要在上一条记录发送之后15秒之后再发
1.3 算子状态（Operator State）
算子状态（Operator State）就是一个算子并行实例上定义的状态，作用范围被限定为当前算子任务。算子状态跟数据的key无关，所以不同key的数据只要被分发到同一个并行子任务，就会访问到同一个Operator State。
算子状态的实际应用场景不如Keyed State多，一般用在Source或Sink等与外部系统连接的算子上，或者完全没有key定义的场景。比如Flink的Kafka连接器中，就用到了算子状态。
当算子的并行度发生变化时，算子状态也支持在并行的算子任务实例之间做重组分配。根据状态的类型不同，重组分配的方案也会不同。
算子状态也支持不同的结构类型，主要有三种：ListState、UnionListState和BroadcastState。
1.3.1 列表状态（ListState）
与Keyed State中的ListState一样，将状态表示为一组数据的列表。
与Keyed State中的列表状态的区别是：在算子状态的上下文中，不会按键（key）分别处理状态，所以每一个并行子任务上只会保留一个“列表”（list），也就是当前并行子任务上所有状态项的集合。列表中的状态项就是可以重新分配的最细粒度，彼此之间完全独立。
当算子并行度进行缩放调整时，算子的列表状态中的所有元素项会被统一收集起来，相当于把多个分区的列表合并成了一个“大列表”，然后再均匀地分配给所有并行任务。这种“均匀分配”的具体方法就是“轮询”（round-robin），与之前介绍的rebanlance数据传输方式类似，是通过逐一“发牌”的方式将状态项平均分配的。这种方式也叫作“平均分割重组”（even-split redistribution）。
算子状态中不会存在“键组”（key group）这样的结构，所以为了方便重组分配，就把它直接定义成了“列表”（list）。这也就解释了，为什么算子状态中没有最简单的值状态（ValueState）。
案例实操：在map算子中计算数据的个数。
public class OperatorListStateDemo { public static void main(String[] args) throws Exception { StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment(); env.setParallelism(2); env .socketTextStream("hadoop102", 7777) .map(new MyCountMapFunction()) .print(); env.execute(); } // TODO 1.实现 CheckpointedFunction 接口 public static class MyCountMapFunction implements MapFunction<String, Long>, CheckpointedFunction { private Long count = 0L; private ListState<Long> state; @Override public Long map(String value) throws Exception { return ++count; } /** * TODO 2.本地变量持久化：将 本地变量 拷贝到 算子状态中,开启checkpoint时才会调用 * * @param context * @throws Exception */ @Override public void snapshotState(FunctionSnapshotContext context) throws Exception { System.out.println("snapshotState..."); // 2.1 清空算子状态 state.clear(); // 2.2 将 本地变量 添加到 算子状态 中 state.add(count); } /** * TODO 3.初始化本地变量：程序启动和恢复时， 从状态中 把数据添加到 本地变量，每个子任务调用一次 * * @param context * @throws Exception */ @Override public void initializeState(FunctionInitializationContext context) throws Exception { System.out.println("initializeState..."); // 3.1 从 上下文 初始化 算子状态 state = context .getOperatorStateStore() .getListState(new ListStateDescriptor<Long>("state", Types.LONG)); // 3.2 从 算子状态中 把数据 拷贝到 本地变量 if (context.isRestored()) { for (Long c : state.get()) { count += c; } } } } }
1.3.2 联合列表状态
与ListState类似，联合列表状态也会将状态表示为一个列表。它与常规列表状态的区别在于，算子并行度进行缩放调整时对于状态的分配方式不同。
UnionListState的重点就在于“联合”（union）。在并行度调整时，常规列表状态是轮询分配状态项，而联合列表状态的算子则会直接广播状态的完整列表。这样，并行度缩放之后的并行子任务就获取到了联合后完整的“大列表”，可以自行选择要使用的状态项和要丢弃的状态项。这种分配也叫作“联合重组”（union redistribution）。如果列表中状态项数量太多，为资源和效率考虑一般不建议使用联合重组的方式。
使用方式同ListState，区别在如下部分：
state = context .getOperatorStateStore() .getUnionListState(new ListStateDescriptor<Long>("union-state", Types.LONG));
1.3.3 广播状态（BroadCastState）
有时我们希望算子并行子任务都保持同一份“全局”状态，用来做统一的配置和规则设定。这时所有分区的所有数据都会访问到同一个状态，状态就像被“广播”到所有分区一样，这种特殊的算子状态，就叫作广播状态（BroadcastState）。
因为广播状态在每个并行子任务上的实例都一样，所以在并行度调整的时候就比较简单，只要复制一份到新的并行任务就可以实现扩展；而对于并行度缩小的情况，可以将多余的并行子任务连同状态直接砍掉——因为状态都是复制出来的，并不会丢失。
/** * 场景单一： * 用于一个配置流在更新配置时，可以将更新的信息放入广播状态 * 数据流，可以提供广播状态及时获取更新的配置信息 */ public class Demo04_BroadCastState { public static void main(String[] args) throws Exception { //创建Flink配置类（空参创建的话都是默认值） Configuration configuration = new Configuration(); //修改配置类中的WebUI端口号 configuration.setInteger("rest.port",3333); //创建Flink环境（并且传入配置对象） StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment(configuration); env.setParallelism(2); env.enableCheckpointing(2000); //数据流 SingleOutputStreamOperator<WaterSensor> dataDS = env .socketTextStream("hadoop102", 9999) .map(new WaterSensorFunction()); //配置流 SingleOutputStreamOperator<MyConf> configDS = env.socketTextStream("hadoop102", 9998) .map(new MapFunction<String, MyConf>() { @Override public MyConf map(String value) throws Exception { String[] split = value.split(","); return new MyConf(split[0], split[1]); } }); //只有把普通流制作为广播流，才能用广播状态 MapStateDescriptor<String, MyConf> mapStateDescriptor = new MapStateDescriptor<>("config", String.class, MyConf.class); BroadcastStream<MyConf> confBroadcastStream = configDS.broadcast(mapStateDescriptor); //数据流希望读取配置流中的信息，必须让两个流连接 dataDS.connect(confBroadcastStream) .process(new BroadcastProcessFunction<WaterSensor, MyConf, WaterSensor>() { //处理数据流的数据 @Override public void processElement(WaterSensor value, BroadcastProcessFunction<WaterSensor, MyConf, WaterSensor>.ReadOnlyContext ctx, Collector<WaterSensor> out) throws Exception { //获取广播状态 ReadOnlyBroadcastState<String, MyConf> broadcastState = ctx.getBroadcastState(mapStateDescriptor); MyConf myConf = broadcastState.get(value.getId()); //用收到的配置信息，更新数据中的属性 value.setId(myConf.getName()); out.collect(value); } //处理配置流的数据 @Override public void processBroadcastElement(MyConf value, BroadcastProcessFunction<WaterSensor, MyConf, WaterSensor>.Context ctx, Collector<WaterSensor> out) throws Exception { //一旦收到了新的配置，就存入广播状态 //当作map用 BroadcastState<String, MyConf> broadcastState = ctx.getBroadcastState(mapStateDescriptor); broadcastState.put(value.id,value); } }).print(); env.execute(); } @Data @AllArgsConstructor @NoArgsConstructor public static class MyConf{ private String id; private String name; } }
测试截图：
您的支持是我创作的无限动力
希望我能为您的未来尽绵薄之力
如有错误，谢谢指正若有收获，谢谢赞美
