如何解决如何在Flink键控状态下实现支持嵌套地图的快速插入,查找和迭代的地图?
我想写一个Flink流运算符,每个键维护1500-2000个映射,每个映射可能包含100,000个〜100B的元素。大多数记录都会触发插入和读取,但是我也想支持整个嵌套地图的偶尔快速迭代。
我编写了一个KeyedProcessFunction
,每个键可创建1500个RocksDb支持的MapState
,并通过使用单个键生成记录流来对其进行测试,但是我发现性能很差。仅初始化它们就需要几分钟的时间,一旦数据开始异步传输,增量检查点就会由于超时而频繁失败。这是一个合理的方法吗?如果没有,我应该考虑哪些替代方案?
谢谢!
在功能上,我的代码遵循以下原则:
val stream = env.fromCollection(new Iterator[(Int,String)] with Serializable {
override def hasNext: Boolean = true
override def next(): (Int,String) = {
(1,randomString())
}
})
stream
.keyBy(_._1)
.process(new KPF())
.writeUsingOutputFormat(...)
class KFP extends KeyedProcessFunction[Int,(Int,String),String] {
var states: Array[MapState[Int,String]] = _
override def processElement(
value: (Int,ctx: KeyedProcessFunction[Int,String]#Context,out: Collector[String]
): Unit = {
if (states(0).isEmpty) {
// insert 0-300,000 random strings <= 100B
}
val state = states(random.nextInt(1500))
// Read from R random keys in state
// Write to W random keys state
// With probability 0.01 iterate entire contents of state
if (random.nextInt(100) == 0) {
state.iterator().forEachRemaining {
// do something trivial
}
}
}
override def open(parameters: Configuration): Unit = {
states = (0 until 1500).map { stateId =>
getRuntimeContext.getMapState(new MapStateDescriptor[Int,String](stateId.toString,classOf[Int],classOf[String]))
}.toArray
}
}
解决方法
在您所描述的内容中,没有任何东西可以清楚地说明性能不佳。您已经在做最重要的事情,那就是使用MapState<K,V>
而不是ValueState<Map<K,V>>
。这样,地图中的每个键/值对都是一个单独的RocksDB对象,而不是整个地图是一个RocksDB对象,对于任何条目的每次访问/更新都必须通过ser / de。
要更好地了解性能,下一步可能是enable the RocksDB native metrics,并研究它们的线索。 RocksDB是非常可调的,并且可以实现更好的性能。例如,您可以调整预期的读写组合,如果尝试访问不存在的密钥,则应启用Bloom过滤器(默认情况下处于关闭状态)。
对于每个状态访问/更新,RocksDB状态后端必须通过ser / de,这肯定是昂贵的。您应该考虑是否可以优化序列化程序。一些串行器的速度可能是其他串行器的2-5倍。 (Some benchmarks。)
此外,您可能想研究正在开发的新的可溢出堆状态后端。请参见https://flink-packages.org/packages/spillable-state-backend-for-flink,https://cwiki.apache.org/confluence/display/FLINK/FLIP-50%3A+Spill-able+Heap+Keyed+State+Backend和https://issues.apache.org/jira/browse/FLINK-12692。早期的基准测试表明,此状态后端比RocksDB快得多,因为它可以将其工作状态保持为堆上的对象,并将冷对象洒到磁盘上。 (这有多大帮助可能取决于您必须迭代的频率。)
如果您不需要溢出到磁盘,则FsStateBackend仍会更快。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。