【Flink系列二】如何计算Job并行度及slots数量

接上文的问题

并行的任务，需要占用多少slot ？
一个流处理程序，需要包含多少个任务

首先明确一下概念

slot：TM上分配资源的最小单元，它代表的是资源（比如1G内存，而非线程的概念，好多人把slot类比成线程，是不恰当的）

任务（task）：线程调度的最小单元，和java中的类似。

---------------------------------------------------------------------------

为更好的去理解后面如何计算并行度及需要的slots数量，先介绍一下几个概念

并行度（Parallelism）

一个特定算子的子任务（subtask）的个数被称之为并行度（parallelism）一般情况下，一个stream的并行度，可以认为就是其所有算子中最大的并行度。
图中source算子的并行度=2，map算子的并行度=2，keyby算子的并行度=2，sink算子的并行度=1

ps：并行度的设置有3个地方，1=代码中指定，2=提交Job时指定-p参数，3=Flink配置文件conf中执行，其优先级1>2>3, 不详细展开，有问题可以评论区

由图1，我们可以算出stream的任务数=7（两个source + 两个map + 两个keyby + 一个sink）

TaskManager和Slots

Flink中每个TaskManager都是一个JVM进程，它可能会在独立的线程上执行一个或多个任务
为了控制一个TM（TaskManager缩写）能接受多少哥task，TM通过task slot来进行控制（一个TM至少有1个slot）
建议TM中slot数量设置为cpu核心数，因为一个TM中slot内存的独享的，但是cpu是共享的，为避免不同slot执行任务时争抢cpu资源，建议slot数量设置和cpu核心数一致
图中slot数量决定了TM上的最大线程并行能力，一个slot可以执行一个线程，也可以串行执行多个线程。

图2中我们看到

source和map算子合并到一块了，那为什么可以合并呢？
合并后每个任务都占用一个slot，一共是占用了5个slot，现实真的是这样的吗？

带着问题，再看一个例子

source和map算子及keyby算子的并行都调整为6，sink算子的并行度还是1，排列方式如图

按照我们上面的理解，我们应该需要的slot数量=6+6+1=13，但是这样会造成slot资源的浪费（流处理任务第一个算子处理完了之后需要等后面的算子都执行完，再开始下一批次的任务处理），为此，Flink允许任务共享slot

默认情况下，Flink允许子任务共享slot（必须是前后执行的不同的任务），及时他们是不同任务的子任务。这样的结果是，一个slot可以保存作业的整个管道。
Task slot是静态的概念，是指TM具有的并发的并行执行能力

所以，Flink优化后一共占用6个slot。

slot共享组

任务槽共享的好处:

1.Flink 集群所需的 task slot 和作业中使用的最大并行度恰好一样。无需计算程序总共包含多少个 task（具有不同并行度）。
2.资源容易获得更好的资源利用。如果没有 slot 共享，非密集 subtask（source/map()）将阻塞和密集型 subtask（window）
一样多的资源

默认情况下会设置一个默认的共享组， slotSharingGroup("default")，这样所有的算子都可以共享slot；如果想让两个算子任务不共享slot，通过调整共享组来实现。不同的共享组一定在不同的slot上

// 1. 创建执行环境StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment(conf);//设置并行度,所有算子都默认这个并行度env.setParallelism(1);DataStreamSource<String> ds = env.socketTextStream("hadoop102", 8888);ds.flatmap(new WordCount.MyFlatMapper()).name("f1").setParallelism(2).slotSharingGroup("a").keyBy(0).sum(1).setParallelism(2).slotSharingGroup("c");.print().setParallelism(1)// 5. 启动执行env.execute();

show plan后我们可以看到slot没有共享，执行stream需要4个slot