作者: 王紹翾（大沙）

創(chuàng)新互聯(lián)主要從事網(wǎng)站設(shè)計、做網(wǎng)站、網(wǎng)頁設(shè)計、企業(yè)做網(wǎng)站、公司建網(wǎng)站等業(yè)務(wù)。立足成都服務(wù)開平,十載網(wǎng)站建設(shè)經(jīng)驗,價格優(yōu)惠、服務(wù)專業(yè),歡迎來電咨詢建站服務(wù):18982081108

本文來自于王紹翾在2018年08月11日Flink China Meetup。
王紹翾，花名“大沙”，加州大學(xué)圣迭戈分校計算機工程的博士，Apache Flink Commiter。目前在阿里負責(zé)Flink平臺以及生態(tài)的一些工作。

本文內(nèi)容如下：

流計算核心技術(shù)

Flink是德國data Artisans創(chuàng)造的，早期Flink主要是做偏批計算的，但是Spark在批處理上已經(jīng)有一定優(yōu)勢，正面競爭沒什么意義，于是改變方向，基于chandy-lamport算法開始做流計算，完成后完美的解決了低延遲問題和狀態(tài)管理。

低延遲，快速容錯

低延遲是Flink源生的，當(dāng)然保證了快速容錯。大數(shù)據(jù)計算中job總是會失敗，所以需要能夠快速的恢復(fù)。如果平時延遲很低，但是job一失敗，恢復(fù)幾分鐘，肯定是無法接受的。

通用的API，易用性

Flink有了基礎(chǔ)的能力后，開始考慮通用的API，最開始的時候有了一些Java和Scala的一些API。但是發(fā)展到一定程度之后，因為API不只是開放于開發(fā)，而是所有用戶。怎么樣更容易的滿足用戶的需求和支持用戶，這是流計算的很核心的一點。

彈性，高性能

彈性，高性能是大數(shù)據(jù)不變的主題。怎么樣確保引擎在上千臺機器不出問題的運行，scalability很重要，包括Spark早期到一定規(guī)模遇到很多問題，當(dāng)然Blink已經(jīng)完美的解決了所有問題。在性能上，F(xiàn)link不僅是在流計算還是批處理上已經(jīng)有了絕對的優(yōu)勢。

流和批的統(tǒng)一

Flink的早期interface是非常弱的，包括Spark早期也是，于是流計算的社區(qū)開始討論流計算的SQL到底是什么樣子的，于是形成了兩派風(fēng)格，一派是認為Streaming SQL是一種different SQL跟Batch Sql，另一派推的SQL跟Batch SQL是完全一致的。

為什么會說完全一致？流計算跟批計算一個基本的區(qū)別是，都是計算，但是流計算需要提前看到結(jié)果，這需要將結(jié)果提前發(fā)出，但是后面過來的數(shù)據(jù)會對前面的結(jié)果進行修正，所以流計算跟批計算比較大的區(qū)別就是數(shù)據(jù)提前發(fā)出和數(shù)據(jù)修正，最終保證數(shù)據(jù)正確。

怎么來處理這個問題:

• 首先要告訴用戶API，怎么樣去計算完全是用戶的語義

• 另外兩點就是什么時候發(fā)出去，什么時候修正，這些跟SQL本身描述是沒什么關(guān)系的

• 所以傳統(tǒng)的ANSI SQL是完全可以描述流計算的，F(xiàn)link SQL的語義就是ANSI SQL

用戶要什么?

• 高性能

• 高級分析

• 容易開發(fā)

• 開箱即用

• 低延遲

我們說的是大數(shù)據(jù)，而不僅僅是流計算。對于功能型的用戶，更關(guān)心的是易用性，如何做好分析，如何更好的開發(fā)，如何更容易上手。我沒學(xué)過計算機，但是學(xué)的是其他任何的一個行業(yè)可能是統(tǒng)計，生物，建筑，金融……，怎么樣才能更快的開發(fā)出來。

假如老板說，今天要部署Flink了，于是給了你50臺機器，到了第二天，你部署完畢了，作業(yè)跑起來了，老板嚇呆了，覺得你KPI非常的棒。所以開箱即用，更容易的去開發(fā)對用戶來說非常需要的。

傳統(tǒng)的批計算要追求performance，目前流計算對performance需求越來越大。

一.Flink的現(xiàn)狀和未來

知道了用戶想要的，我們看Flink現(xiàn)狀。

Flink目前被廣泛的用于超低延遲流計算場景中，但是Flink在批處理上其實已經(jīng)有非常高的處理性能，并且在API上流和批是統(tǒng)一的，在性能上和易用性上都有不錯的表現(xiàn)。

帶著已知的事情和一點點未知的事情，來看看Flink能做的一些事情:流計算已經(jīng)非常成熟，批計算，AI的計算，包括TF ON Flink，training也好，prediction也好，任何計算。另外還有很大的一塊IOT，Hadoop Summit 中強調(diào)各種數(shù)據(jù)中，流的也好，批的也好，最終IOT的數(shù)據(jù)大。雖然不是每個公司都會接觸IOT，但它絕對是一個很大的future。

1.阿里巴巴的Blink

Blink1.0實際上是enterprise版的Flink，主要專注與流計算上。

Blink2.0是一個統(tǒng)一的引擎，支持流處理和批處理，在其他方面，例如AI方面做了很大的改進，在batch性能上已經(jīng)遠超Spark?；仞伾鐓^(qū)也是這個版本。

2.Flink SQL Engine的架構(gòu)

我們先看一眼Flink SQL Engine，從上面開始有Query的API，有Query Optimization，下來會翻譯到DataSteam或者DataSet算子，然后Runtime，在各個集群上運行。這個架構(gòu)在里面展開DataSteam和DataSet，可以看到幾個比較大的問題：

1. 在設(shè)計上，從來沒想過統(tǒng)一起來。最終Query Optimization翻譯完之后到DataStream或者DataSet是完全兩條獨立的pipline，而且往下的代碼是全完不復(fù)用的

2. 再一個可以看批計算，DataSet下面還有一個Optimized Plan，這兩層優(yōu)化給統(tǒng)一帶來很大的困難

3.Blink SQL Engine的架構(gòu)

我們把整個的SQL Engine換成上圖所示。從上層開始的API，到下面的Query Processor包括了Query Optimizer和Query Executor，當(dāng)做完這些發(fā)現(xiàn)，代碼大量的減少并被復(fù)用，一個job用同樣的SQL只需要標識是Batch Mode還是Stream Mode，就會得到一樣的結(jié)果。

從API開始，翻譯成Logical Plan經(jīng)過Optimizer，再到類似寫DataStream的這種Physical Plan，我們可以看到在Optimizer之前的批跟流完全一樣，SQL一樣，Logical Plan也一樣。即用戶腦子里想的東西，在批和流中一模一樣。

二.優(yōu)化流計算的挑戰(zhàn)和機遇

在Optimizer之后，流和批有些不一樣。

批和流在一樣的地方就是一些簡單的filter，predicate，projection還有joining reorder。

區(qū)別就是在流計算我們不去支持sort，因為每條數(shù)據(jù)一來，就要對之前的數(shù)據(jù)更新，就好比我讓在座的各位稱個體重，排個序，突然在座的哪位去上個廁所，體重變了，會影響很多人的排序，就需要改變大量的結(jié)果。所以在流上不去考慮類似sort的東西。但是流上因為有state的使用，怎么樣把它的性能變得很高，減少Retraction，怎么樣讓用戶的SLA用MicroBatch去優(yōu)化。

流計算上一旦變成SQL，就得跑標準的SQL測試，TPC-H，TPC-DS。我們看這個TPCH13，這個是測試的是用一張Customer表和一張Order表，需要做一次join和count。

這個計算在批計算上處理很方便，因為兩個表就在那兒，它明顯的知道用戶表很小，它會把用戶表hash到各個地方先cache下來，然后讓訂單表流過去，這個性能非常高，因為Order這張大的表只是不停的流而不落地。

在流計算上怎么處理呢？因為根本不知道數(shù)據(jù)長什么樣子，每邊一來就得存下來，左邊的Customer表來了之后存下來，因為一行只需存一個，所以用的是ValueState，但是每個用戶有很多的Order，右邊的Order表則需要使用MapState，這個計算量非常大，性能非常差。怎么優(yōu)化呢，我們使用的SQL就有一個天然的好處Optimizer。SQL Engine有個rule就是轉(zhuǎn)移了上面的countAgg和下面的join，SQL里面有個代數(shù)優(yōu)化，先不考慮數(shù)據(jù)是什么樣子，我從代數(shù)上認為中間這幅圖和最右邊這幅圖的計算結(jié)果是一致的，所以我可以先對兩邊進行agg，我可以在Order那一邊先把每個用戶count完變成一行只有一個數(shù)據(jù)，預(yù)先處理好數(shù)據(jù)，這樣把Order表壓縮成和customer一樣大小的表，join上的開銷省了很多，state從龐大的MapState變成了輕量的ValueState，性能提升了25倍，這也是為什么SQL是有意義的。

對于一些流計算的特有優(yōu)化，比如知道用戶的SLA，有段時間就可以去配置mini-batch 。

做全網(wǎng)的count，那么用以上左圖的紅色和紫色，分別發(fā)送到一個地方去統(tǒng)計，不做預(yù)處理的話，紅色節(jié)點負載過高，很快就導(dǎo)致反壓。最好的辦法就是紅色和紫色的節(jié)點現(xiàn)在上游chain起來做預(yù)處理，相當(dāng)于把一個聚合分成兩部分，先做count，再做sum。

當(dāng)然上面的方案不總是有效，比如count distinct，它也需要按顏色group by還要按某一列去distinct，導(dǎo)致不同的數(shù)據(jù)無法被預(yù)聚合。所以在local-global上除了chain的方式還有shuffle的方式，相當(dāng)于shuffle兩次，也就是大家在流計算中所說的打散。第一次按distinct key去shuffle，第二次用group by的key去做shuffle。當(dāng)然這些都是SQL Engine都會自動幫你做。

三.融入開源社區(qū)，參與開源開發(fā)

開源社區(qū)除了coding的貢獻外，還有文檔，生態(tài)，社區(qū)，產(chǎn)品，只要對這個開源的產(chǎn)品有幫助。更重要的是你在社區(qū)里面的活躍度，為社區(qū)解決什么問題。

作為一個用戶你可以提出一些問題，去mailing list回答問題，去做testing和report等等

作為一個開發(fā)你可以去review code，包括自己的idea，大的重構(gòu)。還可以幫助其他用戶回答問題。

Mailing lists：

<dev@flink.apache.org> 開發(fā)者提問交流。

<user@flink.apache.org> 用戶提問交流。

JIRA: https://issues.apache.org/jira/browse/FLINK

是社區(qū)的工作方式。Bug，feature，improvements提出的地方，每一個code的貢獻都會關(guān)聯(lián)到一個JIRA issue。

Wiki: https://cwiki.apache.org/confluence/display/FLINK

有許多文檔，包括大量FLIP，當(dāng)然也等著大家contribution。

那如何要參與開發(fā)呢？

1. 你要在社區(qū)提出自己的想法，收集一些建議。

2. 你還要了PMC，commiter對分別對哪部分code負責(zé)，你可以聯(lián)系他，讓他幫你review。

3. 可以依靠JIRA處理一些小的問題，但是比較重大的改進還是需要依靠FLIP。

4. 完成之后，就需要去貢獻代碼，當(dāng)然要保證代碼的質(zhì)量，加入很多test case，當(dāng)你pull request時，會有很多人review你的代碼，沒有問題后就會merge上去。

更多資訊請訪問 Apache Flink 中文社區(qū)網(wǎng)站

另外有需要云服務(wù)器可以了解下創(chuàng)新互聯(lián)scvps.cn，海內(nèi)外云服務(wù)器15元起步，三天無理由+7*72小時售后在線，公司持有idc許可證，提供“云服務(wù)器、裸金屬服務(wù)器、高防服務(wù)器、香港服務(wù)器、美國服務(wù)器、虛擬主機、免備案服務(wù)器”等云主機租用服務(wù)以及企業(yè)上云的綜合解決方案，具有“安全穩(wěn)定、簡單易用、服務(wù)可用性高、性價比高”等特點與優(yōu)勢，專為企業(yè)上云打造定制，能夠滿足用戶豐富、多元化的應(yīng)用場景需求。

新聞標題：Flink大數(shù)據(jù)計算的機遇與挑戰(zhàn)-創(chuàng)新互聯(lián)
新聞來源：http://www.rwnh.cn/article0/podoo.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供域名注冊、軟件開發(fā)、搜索引擎優(yōu)化、動態(tài)網(wǎng)站、企業(yè)網(wǎng)站制作、面包屑導(dǎo)航

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)