在 Flink 中处理倾斜数据的其他选项是什么？

Question

我正在研究 Flink 中的数据倾斜处理以及如何更改低level control of physical partition 以便对元组进行均匀处理。我已经创建了合成倾斜数据源，我的目标是在一个窗口上处理（聚合）它们。这是complete code。

streamTrainsStation01.union(streamTrainsStation02)
        .union(streamTicketsStation01).union(streamTicketsStation02)
        // map the keys
        .map(new StationPlatformMapper(metricMapper)).name(metricMapper)
        .rebalance() // or .rescale() .shuffle()
        .keyBy(new StationPlatformKeySelector())
        .window(TumblingProcessingTimeWindows.of(Time.seconds(20)))
        .apply(new StationPlatformRichWindowFunction(metricWindowFunction)).name(metricWindowFunction)
        .setParallelism(4)
        .map(new StationPlatformMapper(metricSkewedMapper)).name(metricSkewedMapper)
        .addSink(new MqttStationPlatformPublisher(ipAddressSink, topic)).name(metricSinkFunction)
        ;

根据 Flink 仪表板，我看不出 .shuffle()、.rescale() 和 .rebalance() 之间有太大区别。尽管文档说 rebalance() 转换更适合数据倾斜。

之后我尝试使用.partitionCustom(partitioner, "someKey")。然而，令我惊讶的是，我无法在窗口操作中使用 setParallelism(4)。文档说

注意：此操作本质上是非并行的，因为所有元素 必须通过同一个算子实例。

我不明白为什么。如果允许我做partitionCustom，那我为什么不能在那之后使用并行性呢？这是complete code。

streamTrainsStation01.union(streamTrainsStation02)
        .union(streamTicketsStation01).union(streamTicketsStation02)
        // map the keys
        .map(new StationPlatformMapper(metricMapper)).name(metricMapper)
        .partitionCustom(new StationPlatformKeyCustomPartitioner(), new StationPlatformKeySelector())
        .windowAll(TumblingProcessingTimeWindows.of(Time.seconds(20)))
        .apply(new StationPlatformRichAllWindowFunction(metricWindowFunction)).name(metricWindowFunction)
        .map(new StationPlatformMapper(metricSkewedMapper)).name(metricSkewedMapper)
        .addSink(new MqttStationPlatformPublisher(ipAddressSink, topic)).name(metricSinkFunction)
        ;

谢谢， 费利佩

Answer 1

我从 FLink-user-mail 列表中得到了答复。基本上在rebalance() 之后使用keyBy() 会杀死rebalance() 试图做的所有效果。我发现的第一个（临时）解决方案是创建一个关心倾斜键的复合键。

public class CompositeSkewedKeyStationPlatform implements Serializable {
    private static final long serialVersionUID = -5960601544505897824L;
    private Integer stationId;
    private Integer platformId;
    private Integer skewParameter;
}

在使用keyBy()之前，我在map函数上使用它。

public class StationPlatformSkewedKeyMapper
        extends RichMapFunction<MqttSensor, Tuple2<CompositeSkewedKeyStationPlatform, MqttSensor>> {
    private SkewParameterGenerator skewParameterGenerator;

    public StationPlatformSkewedKeyMapper() {
        this.skewParameterGenerator = new SkewParameterGenerator(10);
    }

    @Override
    public Tuple2<CompositeSkewedKeyStationPlatform, MqttSensor> map(MqttSensor value) throws Exception {
        Integer platformId = value.getKey().f2;
        Integer stationId = value.getKey().f4;
        Integer skewParameter = 0;

        if (stationId.equals(new Integer(2)) && platformId.equals(new Integer(3))) {
            skewParameter = this.skewParameterGenerator.getNextItem();
        }
        CompositeSkewedKeyStationPlatform compositeKey = new CompositeSkewedKeyStationPlatform(stationId, platformId,
                skewParameter);
        return Tuple2.of(compositeKey, value);
    }
}

这是我的complete solution。