FLink聚合性能优化--MiniBatch分析

一、MiniBatch的演进思路

1、MiniBatch版本

Flink 1.9.0 SQL(Blink Planner) 性能优化中一项重要的改进就是升级了微批模型，即 MiniBatch(也称作MicroBatch或MiniBatch2.0)，在支持高吞吐场景发挥了重要作用。

MiniBatch与早期的MiniBatch1.0在微批的触发机制略有不同。原理同样是缓存一定的数据后再触发处理，以减少对State的访问，从而提升吞吐和减少数据的输出量

MiniBatch与早期的MiniBatch1.0对比如下：
1、MiniBatch1.0主要依靠在每个Task上注册的Timer线程来触发微批，需要消耗一定的线程调度性能。
2、MiniBatch是MiniBatch1.0的升级版，主要要基于事件消息来触发微批，事件消息会按您指定的时间间隔在源头插入。MiniBatch在元素序列化效率、反压表现、吞吐和延迟性能上都要优于胜于MiniBatch1.0

2、适用场景

微批处理是增加延迟来换取高吞吐的策略，如果您有超低延迟的要求，不建议开启微批处理。通常对于聚合的场景，微批处理可以显著的提升系统性能，建议开启。

3、普通聚合与MiniBatch聚合对比

A、Simple Aggregation普通聚合

在未开启任何聚合优化前，执行SQL()：

SELECT key, SUM(value) FROM T GROUP BY key

当未开启 MicroBatch 时，Aggregate 的处理模式是每来一条数据，查询一次状态，进行聚合计算，然后写入一次状态。当有 4条数据时，需要操作 2*4 次状态

B、MiniBatch Aggregation微批聚合

当开启 MicroBatch 时，对于缓存下来的 N 条数据一起触发，同 key 的数据只会读写状态一次。例如下缓存的 4 条 A 的记录，只会对状态读写各一次。所以当数据的 key 的重复率越大，攒批的大小越大，那么对状态的访问会越少，得到的吞吐量越高。

二、MiniBatch作用的SQL语句

MiniBatch主要作用于聚合(Group By)语句中，且不带window的场景（即分类2）。
我们先看下聚合分类：

分类1、 window agg

示例：select count(a) from t group by tumble(ts, interval ’10’ second), b
解析：以10秒翻转窗口和字段b聚合，MiniBatch不能作用的场景

分类2、group agg

示例：select count(a) from t group by b
解析：以字段a聚合，MiniBatch可以作用的场景

分类3、over agg

示例：select count(a) over (partition by b order by c) from t
解析：over window，MiniBatch不能作用的场景

三、MiniBatch三类优化手段

上一章节我们说明了MiniBatch只能作用于分类2（group aggregate且不带window场景），这个聚合场景下，微批处理具有三类优化手段：

• Local-Global聚合(本地-全局聚合)
• Partial-Final聚合(解决COUNT DISTINCT热点问题)
• Incremental增量聚合

1、Local-Global聚合(本地-全局聚合)

Local-Global聚合优化与Spark Structrued Streaming聚合思路类似：

• 上游节点本地攒一批数据进行聚合（localAgg），并输出这次微批的增量值（Accumulator）
• 第二阶段再将收到的Accumulator合并（merge），得到最终的结果（globalAgg）

• 原理图解：
  LocalGlobal本质上能够靠localAgg的预聚合筛除部分倾斜数据，从而降低globalAgg的热点，提升性能。可以结合下图理解LocalGlobal如何解决数据倾斜的问题

• 适用场景：
  LocalGlobal适用于提升如SUM、COUNT、MAX、MIN和AVG等普通聚合的性能，能提高算子吞吐量，也能有效解决常见数据热点问题

• 源码Rule规则：TwoStageOptimizedAggregateRule（两阶段聚合规则）
• 物理计划算子：上述规则内部#createTwoStageAgg()创建了StreamExecLocalGroupAggregate、StreamExecGlobalGroupAggregate物理计划节点，分别对应Local、Global微批聚合实现
• 实现函数Fuction：MiniBatchLocalGroupAggFunction、MiniBatchGlobalGroupAggFunction，分别对应Local、Global微批聚合实现

• 需要的额外配置：
  table.optimizer.agg-phase-strategy开启（默认值已为AUTO开启，所以不用配置）

• 如何判断是否生效:
  FLink Web UI观察最终生成的拓扑图的节点名字中是否包含GlobalGroupAggregate或LocalGroupAggregate

2、Partial-Final聚合(解决COUNT DISTINCT热点问题)

上一小节的Local-Global优化能针对常见普通聚合有较好的效果（如SUM、COUNT、MAX、MIN和AVG）。但是对于COUNT DISTINCT收效不明显，原因是COUNT DISTINCT在local聚合时，对于DISTINCT KEY的去重率不高，导致在Global节点仍然存在热点

实时计算历史版本中，用户为了解决COUNT DISTINCT的热点问题，通常会手动改写成两层聚合（增加按distinct key取模的打散层），自FLink1.9.0版本开始，实时计算提供了COUNT DISTINCT自动打散，即Partial-Final优化，您无需自行改写为两层聚合。Partial-Final和Local-Global的原理对比参见下图。

• 适用场景：
  使用COUNT DISTINCT且聚合节点性能无法满足时。

• 说明：
  PartialFinal优化方法不能在包含UDAF的Flink SQL中使用。
  数据量不大的情况下不建议使用PartialFinal优化方法。PartialFinal优化会自动打散成两层聚合，引入额外的网络Shuffle，在数据量不大的情况下，可能反而会浪费资源。

一个Partial-Final优化过程示例：

原SQL：
SELECT day, COUNT(DISTINCT buy_id) as cnt FROM T GROUP BY day,

对所需DISTINCT字段buy_id模1024自动打散后，SQL：
SELECT day, SUM(cnt) total
FROM (
SELECT day, MOD(buy_id, 1024), COUNT(DISTINCT buy_id) as cnt
FROM T GROUP BY day, MOD(buy_id, 1024))
GROUP BY day

• 源码Rule规则：SplitAggregateRule（拆分聚合规则，注意是作用于logical逻辑计划阶段，拆分出来的两个聚合GROUP还会参与local-global等优化）

• 需要的额外配置：
  table.optimizer.distinct-agg.split.enabled开启（默认值已为false，需要设置为true）
  table.optimizer.distinct-agg.split.bucket-num（默认值1024，可以根据业务数据量和热点情况，设置这个取模值）

• 如何判断是否生效:
  FLink Web UI观察最终生成的拓扑图的节点名中是否包含Expand节点，或者原来一层的聚合变成了两层的聚合

3、Incremental增量聚合

增量聚合是对partial-final和local-global拆分出来的聚合物理算子进行进一步优化，例如对一个带有COUNT DISTINCT和聚合场景，同时开启partial-final和local-global优化配置，最后会得到4个以上相关算子。

如果上一个聚合算子的输出字段(partial)与下一个聚合算子(local)的输入字段一样，就可以匹配上IncrementalAggregateRule，进行算子的合并。如图：

• 源码Rule规则：IncrementalAggregateRule（增量聚合规则，注意是作用于physical物理计划阶段）
• 物理计划算子：上述规则内部#onMatch()创建了StreamExecIncrementalGroupAggregate、StreamExecGlobalGroupAggregate物理计划节点，分别对应Local、Global微批聚合实现
• 实现函数Fuction：MiniBatchGlobalGroupAggFunction

• 需要的额外配置：
  table.optimizer.incremental-agg-enabled开启（默认值已为true，所以不用修改）

• 如何判断是否生效:
  FLink Web UI观察最终生成的拓扑图的节点名中是否包含IncrementalGroup节点

四、如何开启MiniBatch

1、table.exec.mini-batch.enabled

	public static final ConfigOption TABLE_EXEC_MINIBATCH_ENABLED =
		key("table.exec.mini-batch.enabled")
			.defaultValue(false)
			.withDescription("Specifies whether to enable MiniBatch optimization. " +
				"MiniBatch is an optimization to buffer input records to reduce state access. " +
				"This is disabled by default. To enable this, users should set this config to true. " +
				"NOTE: If mini-batch is enabled, 'table.exec.mini-batch.allow-latency' and " +
				"'table.exec.mini-batch.size' must be set.");

• 解析：MiniBatch开关配置，默认为false关闭，优化时需要设置为true
• 作用的物理计划算子：
  ①、StreamExecGroupAggregate(普通group by聚合，且未开启local-global本地至全局两阶段聚合优化，对应的物理计划算子，后续讲解)
  ②、StreamExecGlobalGroupAggregate(普通group by聚合，开启了local-global本地至全局两阶段聚合优化，对应的物理计划算子)

2、table.exec.mini-batch.allow-latency

	public static final ConfigOption TABLE_EXEC_MINIBATCH_ALLOW_LATENCY =
		key("table.exec.mini-batch.allow-latency")
			.defaultValue("-1 ms")
			.withDescription("The maximum latency can be used for MiniBatch to buffer input records. " +
				"MiniBatch is an optimization to buffer input records to reduce state access. " +
				"MiniBatch is triggered with the allowed latency interval and when the maximum number of buffered records reached. " +
				"NOTE: If " + TABLE_EXEC_MINIBATCH_ENABLED.key() + " is set true, its value must be greater than zero.");

• 解析：MiniBatch缓存数据最大的时间间隔，超过这个间隔,强制触发已聚合数据写出给下游，默认-1毫秒，可以根据需求和业务容忍的延迟，调整为5000毫秒等
• 作用的物理计划算子：StreamExecWatermarkAssigner(水印SQL物理计划)，内部可以创建MiniBatchAssignerOperator，以上述配置的周期，将当前Watermark发送给下游，触发计算和写出

3、table.exec.mini-batch.size

public static final ConfigOption TABLE_EXEC_MINIBATCH_SIZE =
		key("table.exec.mini-batch.size")
			.defaultValue(-1L)
			.withDescription("The maximum number of input records can be buffered for MiniBatch. " +
				"MiniBatch is an optimization to buffer input records to reduce state access. " +
				"MiniBatch is triggered with the allowed latency interval and when the maximum number of buffered records reached. " +
				"NOTE: MiniBatch only works for non-windowed aggregations currently. If " + TABLE_EXEC_MINIBATCH_ENABLED.key() +
				" is set true, its value must be positive.");

• 解析：MiniBatch缓存数据最大数目，超过这个数目,强制触发已聚合数据写出给下游，默认-1，可以根据需求和业务每秒数据量，调整为需要的值，例如50000
• 作用的物理计划算子：AggregateUtil中创建CountBundleTrigger(以数目为阈值的触发器，实现较为简单)，其#onElement()方法会调用AbstractMapBundleOperator#finishBundle()结束一段聚合缓存，为核心逻辑，本文后面章节分析
• 注：table.exec.mini-batch.size与上一节table.exec.mini-batch.allow-latency为或关系，达到阈值触发聚合写出给下游

4、table.optimizer.reuse-sub-plan-enabled

	public static final ConfigOption TABLE_OPTIMIZER_REUSE_SUB_PLAN_ENABLED =
		key("table.optimizer.reuse-sub-plan-enabled")
			.defaultValue(true)
			.withDescription("When it is true, the optimizer will try to find out duplicated sub-plans and reuse them.");

• 解析：复用子查询，这个配置是一个通用的配置，并不只是作用于聚合SQL，建议开启，如果两个SQL语句的from表及project(select)后字段一模一样，就可以将两个逻辑节点合并为一个
• 示例：
  Scan1、Scan2 与是统一个表名， Project1与Project2字段一样，Filter1与Filter2逻辑有区别，可以使用reuse-sub-plan这个优化

         Join                      Join
       /      \                  /      \
   Filter1  Filter2          Filter1  Filter2
      |        |        =>       \     /
   Project1 Project2            Project1
      |        |                   |
    Scan1    Scan2               Scan1

• 作用的物理计划算子：实现逻辑在SubplanReuser，感兴趣的读者可以深入分析