Flink re-scalable keyed stream 有状态函数

Question

我有以下 Flink 作业，我尝试使用后端类型 RockDB 的键控流状态函数 (MapState)，

environment
.addSource(consumer).name("MyKafkaSource").uid("kafka-id")
.flatMap(pojoMapper).name("MyMapFunction").uid("map-id")
.keyBy(new MyKeyExtractor())
.map(new MyRichMapFunction()).name("MyRichMapFunction").uid("rich-map-id")
.addSink(sink).name("MyFileSink").uid("sink-id")

MyRichMapFunction 是一个有状态的函数，它扩展了 RichMapFunction 具有以下代码，

public static class MyRichMapFunction extends RichMapFunction<MyEvent, MyEvent> {
    private transient MapState<String, Boolean> cache;
    @Override
    public void open(Configuration config) {
        MapStateDescriptor<String, Boolean> descriptor =
                new MapStateDescriptor("seen-values", TypeInformation.of(new TypeHint<String>() {}), TypeInformation.of(new TypeHint<Boolean>() {}));
        cache = getRuntimeContext().getMapState(descriptor);
    }
    @Override
    public MyEvent map(MyEvent value) throws Exception {
        if (cache.contains(value.getEventId())) {
            value.setIsSeenAlready(Boolean.TRUE);
            return value;
        }
        value.setIsSeenAlready(Boolean.FALSE);
        cache.put(value.getEventId(), Boolean.TRUE)
        return value;
    }
}

将来，我想重新调整并行度（从 2 到 4），所以我的问题是，如何实现可重新缩放的键控状态，以便在更改并行度后，我可以将相应的缓存键控数据获取到它的对应的任务槽。我试图探索这个，在那里我找到了一个文档here。据此，可以通过使用 ListCheckPointed 接口来实现可重新扩展的操作员状态，该接口为此提供了 snapshotState/restoreState 方法。但不确定如何实现可重新扩展的键控状态 (MyRichMapFunction)？我是否需要为 MyRichMapFunction 类实现 ListCheckPointed 接口？如果是，我如何根据 restoreState 方法上的新并行键哈希重新分配缓存（我的 MapState 将在启用 TTL 的情况下保存大量键，假设它在任何时间点最多可以保存 10 亿个键）？有人可以帮我解决这个问题吗，或者如果你给我指出任何很好的例子。

Answer 1

您编写的代码已经可以重新扩展； Flink 的托管键状态在设计上是可重新缩放的。通过重新平衡对实例的键分配来重新调整键状态。 （您可以将键状态视为分片键/值存储。从技术上讲，发生的情况是一致的哈希用于将键映射到 键组，并且每个并行实例负责一些键组. 重新缩放只涉及在实例之间重新分配密钥组。）

ListCheckpointed 接口用于非键上下文中使用的状态，因此它不适合您正在做的事情。另请注意，ListCheckpointed 将在 Flink 1.11 中弃用，取而代之的是更通用的 CheckpointedFunction。

还有一件事：如果MyKeyExtractor 是由value.getEventId() 键入的，那么您可以将ValueState<Boolean> 用于缓存，而不是MapState<String, Boolean>。这是有效的，因为对于键控状态，每个键都有一个单独的 ValueState 值。只有当您需要为流中的每个键存储多个属性/值对时，才需要使用 MapState。

大部分内容在 Hands-on Training 下的 Flink 文档中进行了讨论，其中包括与您正在做的非常接近的 an example。