Flink---11、状态管理（按键分区状态（值状态、列表状态、Map状态、归约状态、聚合状态）算子状态（列表状态、广播状态））
星光下的赶路人star的个人主页
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
- 1.2 按键分区状态（Keyed State）
-
- 1.2.1 值状态（ValueState）
- 1.2.2 列表状态（ListState）
- 1.2.3 Map状态（MapState）
- 1.2.4 归约状态（ReducingState）
- 1.2.5 聚合状态（AggregatingState）
- 1.2.6 状态生存时间（TTL）
- 1.3 算子状态（Operator State）
-
- 1.3.1 列表状态（ListState）
- 1.3.2 联合列表状态
- 1.3.3 广播状态（BroadCastState）
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 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
- 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
- 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
- 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。
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
* ------------------------------------------------
* 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) {...}
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