【API篇】四、Flink物理分区算子API

文章目录

1、分区算子：随机分区
2、分区算子：轮询分区
3、分区算子：重缩放分区
4、分区算子：广播
5、分区算子：全局分区
6、自定义分区

重分区，即数据"洗牌"，将数据分配到下游算子的并行子任务中。常见的分区策略有：

随机分区
轮询分区
重缩放分区
广播
全局分区
自定义分区

1、分区算子：随机分区

调用DataStream的.shuffle()方法，将数据随机地分配到下游算子的并行任务中去。

在这里插入图片描述

demo代码：socket模拟无界流，设置并行度为2，读入数据后接shuffle，再打印

public class ShuffleExample {public static void main(String[] args) throws Exception {StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();env.setParallelism(2);DataStreamSource<Integer> stream = env.socketTextStream("node01", 9527);stream.shuffle().print()env.execute();}
}

可以看到，数据流经过shuffle重分区后，到输出算子的哪个子任务是随机的：

在这里插入图片描述

2、分区算子：轮询分区

用DataStream的.rebalance()方法，rebalance使用的是Round-Robin负载均衡算法，就像发牌，将输入流数据平均分配到下游的并行任务中去。

在这里插入图片描述

stream.rebalance().下游算子....

3、分区算子：重缩放分区

和轮询相似，不同的是，重缩放是局部轮询，只给和它组队的分区轮询数据，而不是给所有分区。（调用rescale方法时，其实底层也是使用Round-Robin算法进行轮询）

在这里插入图片描述

stream.rescale().下游算子...

4、分区算子：广播

通常，一条数据去往一个子任务去处理即可，但广播就是：调用DataStream的broadcast()方法，将输入数据复制并发送到下游算子的所有并行任务中去。

stream.broadcast().print();

在这里插入图片描述

5、分区算子：全局分区

极端的分区方式，会将数据流中的数据全都发送到下游算子的第一个子任务中去，相当于强行让下游任务并行度变成了1（注意是相当于，不是真把下游算子并行度改成1了，只是不往其他子任务发数据了，其他有跟没有一样了）。

stream.global().print();

发送数据：

在这里插入图片描述

效果：

在这里插入图片描述

6、自定义分区

以上的Flink分区策略都不满足需求时，可自定义分区策略，首先实现Partitioner接口，自定义分区器：

public class MyPartitioner implements Partitioner<String> {@Overridepublic int partition(String key, int numPartitions) {return Integer.parseInt(key) % numPartitions;}
}//numPartitions 下游算子并行度
//这里的分区策略，简单写个key除以算子并行度取余
//该方法返回的是分区索引

使用自定义分区器：

public class PartitionCustomDemo {public static void main(String[] args) throws Exception {StreamExecutionEnvironment env = StreamExecutionEnvironment.createLocalEnvironmentWithWebUI(new Configuration());env.setParallelism(2);DataStreamSource<String> socketDS = env.socketTextStream("node01", 9527);DataStream<String> myDS = socketDS.partitionCustom(new MyPartitioner(),value -> value);myDS.print();env.execute();}
}