【云星数据---Apache Flink实战系列(精品版)】:Apache Flink高级特性与高级应用007-Slot和Parallelism的深入分析002

三、并行度(parallelism)和任务链(Task Chains)

1.并行度

1.flink架构是分布式的,也就决定了程序(Progrram)和数据流(Dataflows)也是分别式的。
2.Dataflow也是一个分布式概念,它的Stream被查分成Stream-Partition,Operator被查分成subtask.
  Stream-Partition本质就是data-partition,subtask本质是thread.
3.这些subtask(thread)相互独立,被分配到不同的机器上并行执行,甚至是不同的container中并行执行。
  一个Operator被查分成subtask的数量就是并行度(parallelism),它决定这程序并发执行的线程个数。
  设置合适的并行度,能够使任务在不同的机器上并行执行,能提高程序的运行效率。
4.Stream-Partition就是data-partition,subtask就是thread,也就是说在每一个数据分片上运行一个线程
  这些独立的线程能够并行的处理数据。所以,Stream的分区数和Operator的并行度是一致的。只不过Stream-Partition
  是描述数据被分片的情况,Operator-subtask是描述线程的并行情况。

【云星数据---Apache Flink实战系列(精品版)】:Apache Flink高级特性与高级应用007-Slot和Parallelism的深入分析002_第1张图片

2.数据传输模式

1.Stream在transform过程中有两种传输模式,Forwarding模式和Redistributing模式。
2.Forwarding模式是指Stream-Partition之间一对一(One-to-One)传输。子stream保留父stream的分区个数和元素的顺序。
  Source向map传输stream-partition就在这种情况,分区个数,元素顺序都能保持不变,这里可以进行优化。可以把source和
  map做成一个TaskChain,用一个thread去执行一个source-subtaskmap-subtask.原本4thread处理的任务,
  优化后2thread就能完成了,因为减少了不必要的thread开销,效率还能提升。
3.Redistributing模式是指Stream-Partition之间是多对多的传输。stream转化过程中partition之间进行了shuffer操作,
  这会把分区个数和元素顺序全部打乱,可能会牵涉到数据的夸节点传输。因为数据可能夸节点传输,无法确定应该在哪个节点上启动
  一个thread去处理在两个节点上的数据,因此无法将Redistributing模式下的task做成一个task-chainMap-KeyBy/Window和KeyBy/Window-sink直接就是Redistributing模式。

3.任务以及操作链(Task & Operator Chains)

1.为了减少不必要的thread通信和缓冲等开销,可以将Forwarding模式下的多个subtask做成一个subtask-chain
2.将一个thread对应一个subtask优化为一个thread对应一个subtask-chain中的多个subtask。
  可提高总体吞吐量(throughput)并降低延迟(latency)。
3.如果说stream-partition对数据分区是为了通过提高并发度,来提高程序的运行效率。那么subtask-chain就是在程序的运行
  过程中合并不必要的thread来提高程序的运行效率。

【云星数据---Apache Flink实战系列(精品版)】:Apache Flink高级特性与高级应用007-Slot和Parallelism的深入分析002_第2张图片

原来需要7thread的任务在进行chain优化后,5thread就能更好的完成。

你可能感兴趣的:(bigdata,cloudcomputing,flink)