Flink 源码剖析｜键控状态的 API 层-Toy模板网

这篇具有很好参考价值的文章主要介绍了Flink 源码剖析｜键控状态的 API 层。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

1 键控状态

在 Flink 中有如下 5 种键控状态（Keyed State），这些状态仅能在键控数据流（Keyed Stream）的算子（operator）上使用。键控流使用键（key）对数据流中的记录进行分区，同时也会对状态进行分区。要创建键控流，只需要在 DataStream 上使用 keyBy() 方法指定键即可。

具体地，这 5 种键控状态如下：

ValueState<T>：保存一个值；这个值可以通过 update(T) 进行更新，通过 T value() 进行检索。
MapState<UK, UV>：保存一个映射列表；可以使用 put(UK, UV) 或 putAll(Map<UK, UV>) 添加映射，使用 get(UK) 来检索特定的 key，使用 entires()、keys()、values() 分别检索映射、键和值的可迭代视图，使用 isEmpty() 判断是否包含任何键值对。
ListState<T>：保存一个元素的列表；可以通过 add(T) 或者 addAll(List<T>) 添加元素，通过 Iterable<T> get() 获取整个列表，通过 update(List<T>) 覆盖当前的列表。
ReducingState<T>：保存一个值，表示添加到状态的所有值聚合后的结果；使用 add(T) 添加元素，并使用提供的 reduceFunction 进行聚合。
AggregatingState<IN, OUT>：保存一个值，表示添加到状态的所有值聚合后的结果；使用 add(T) 添加元素，并使用提供的 AggregateFunction 进行聚合。与 ReducingState 不同的时，聚合类型可能与添加到状态的元素类型不同。

所有的类型状态还有一个 clear() 方法，用于清除当前键的状态数据。

键控状态具有如下特性：

实现以上 5 个接口的状态对象仅用于与状态交互，状态本身不一定存储在内存中，还可能在磁盘或其他位置。
从状态中获取的值取决于输入元素所代表的 Key，在不同 key 上调用同一个接口，可能得到不同的值。

2 键控状态的源码

Flink 源码剖析｜键控状态的 API 层,Flink,flink,state,状态

2.1 State

State 接口是所有状态接口的基类，其中只定义了一个 clear() 方法，用于移除当前 key 下的状态。

源码｜Github｜org.apache.flink.api.common.state.State

@PublicEvolving
public interface State {

    /** Removes the value mapped under the current key. */
    void clear();
}

2.2 ValueState：每个 key 存储一个值

ValueState<T> 接口是用于保存一个值的状态，其中定义了 value() 方法和 update(T value) 方法用于查询和更新当前 key 的状态；泛型 V 是存储的值的类型。

源码｜Github｜org.apache.flink.api.common.state.ValueState

@PublicEvolving
public interface ValueState<T> extends State {

    T value() throws IOException;

    void update(T value) throws IOException;
}

2.3 MapState：每个 key 存储一个映射

MapState<UK, UV> 接口用于保存一个映射，泛型 UK 是映射的键的类型，泛型 UV 是映射的值的类型。其方法与 Java 的 Map 接口类似，具体包含如下方法：

get(UK key)：获取状态中 key 对应的值
put(UK key, UV value)：将键值对 key / value 写入到状态中
putAll(Map<UK, UV> map)：将 map 中的所有键值对写入到状态中
remove(UK key)：移除状态中 key 及其对应的值
contains(UK key)：查询状态中是否包含 key
entries() / iterator()：遍历状态中的所有键值对
keys()：遍历状态中的所有键
values()：遍历状态中的所有值
isEmpty()：查询状态的映射是否为空

源码｜Github｜org.apache.flink.api.common.state.MapState

@PublicEvolving
public interface MapState<UK, UV> extends State {

    UV get(UK key) throws Exception;

    void put(UK key, UV value) throws Exception;

    void putAll(Map<UK, UV> map) throws Exception;

    void remove(UK key) throws Exception;

    boolean contains(UK key) throws Exception;

    Iterable<Map.Entry<UK, UV>> entries() throws Exception;

    Iterable<UK> keys() throws Exception;

    Iterable<UV> values() throws Exception;

    Iterator<Map.Entry<UK, UV>> iterator() throws Exception;

    boolean isEmpty() throws Exception;
}

2.4 AppendingState 及其子类：每个 key 存储一个累加状态

AppendingState<IN, OUT> 接口定义了一个具有类似累加器性质的状态，其泛型 IN 为每次添加元素的类型，OUT 为结果的类型。其中包含 2 个方法，add(IN value) 方法用于向累加器添加元素，get() 方法用于获取当前累加器的值。

源码｜Github｜org.apache.flink.api.common.state.AppendingState

@PublicEvolving
public interface AppendingState<IN, OUT> extends State {

    OUT get() throws Exception;

    void add(IN value) throws Exception;
}

MergingState<IN, OUT> 接口继承了 AppendingState<IN, OUT> 接口，要求在实现时支持类似累加器的合并运算，即将两个 MergingState 实例合并为包含 2 个实例信息的 1 个 MergingState 实例。

源码｜Github｜org.apache.flink.api.common.state.MergingState

@PublicEvolving
public interface MergingState<IN, OUT> extends AppendingState<IN, OUT> {}

ListState<T>、ReducingState<T> 和 AggregatingState<IN, OUT> 均继承了 MergingState<IN, OUT>。

2.4.1 `ListState`：输入元素，输出可迭代对象

ListState<T> 的 add(T value) 接受一个 T 类型的元素，get() 方法返回一个 Iterable<T>。同时，额外定义了 2 个方法：

update(List<T> values)：使用 values 替换到当前状态中的列表
addAll(List<T> values)：将 values 添加到当前状态的列表中

源码｜Github｜org.apache.flink.api.common.state.ListState

@PublicEvolving
public interface ListState<T> extends MergingState<T, Iterable<T>> {

    void update(List<T> values) throws Exception;

    void addAll(List<T> values) throws Exception;
}

2.4.2 `ReducingState`：输入和输出类型一致

ReducingState<T> 接口并没有定义新的方法，但是调整了 MergingState 接口的泛型类型，add(T value) 接受一个 T 类型的元素，get() 方法返回一个 T 类型的对象。

源码｜Github｜org.apache.flink.api.common.state.ReducingState

@PublicEvolving
public interface ReducingState<T> extends MergingState<T, T> {}

2.4.3 `AggregatingState`：在每个输入元素后直接聚合

AggregatingState<IN, OUT> 接口并没有定义额外的逻辑，add(IN value) 接受一个 IN 类型的元素，get() 方法返回一个 OUT 类型的对象。但是规定在每个元素输入后，都需要直接将该元素聚合到当前的最终结果上。

源码｜Github｜org.apache.flink.api.common.state.AggregatingState

@PublicEvolving
public interface AggregatingState<IN, OUT> extends MergingState<IN, OUT> {}

3 使用键控状态

在使用键控状态时，必须创建一个 StateDescriptor，并在 UDF 的 open() 方法中，并从 RuntimeContext 中获取该状态的状态句柄（state handle）。在状态句柄中，记录了状态名称、状态所持有值的类型以及用户所指定的函数。根据不同的状态类型，可以创建 ValueStateDescriptor、ListStateDescriptor、AggregatingStateDescriptor、ReducingStateDescriptor 或 MapStateDescriptor。

样例｜获取 Tuple2<Long, Long> 类型 ValueState 的状态句柄

private transient ValueState<Tuple2<Long, Long>> sum;  // 定义状态句柄

@Override
public void open(Configuration config) {
    ValueStateDescriptor<Tuple2<Long, Long>> descriptor =
            new ValueStateDescriptor<>(
                    "average", // 状态名称
                    TypeInformation.of(new TypeHint<Tuple2<Long, Long>>() {}), // 状态的类型信息
                    Tuple2.of(0L, 0L)); // 状态的默认值
    sum = getRuntimeContext().getState(descriptor);
}

在使用状态时，直接使用状态句柄中的方法即可。

样例｜使用 Tuple2<Long, Long> 类型的 ValueState

// 访问 ValueState 类型状态的值
Tuple2<Long, Long> currentSum = sum.value();

// 更新 ValueState 类型状态的值
sum.update(currentSum);

因为状态句柄需要通过 RuntimeContext 获取，因此只能在富函数中使用。富函数的详细介绍见 “3 UDF 接口与富函数”。

下面来看一个 Flink 官方文档中的状态使用样例。

样例｜使用 ValueState 计算每 2 个相邻元素的平均值发往下游的 UDF 函数的样例

public class CountWindowAverage extends RichFlatMapFunction<Tuple2<Long, Long>, Tuple2<Long, Long>> {

 /**
     * The ValueState handle. The first field is the count, the second field a running sum.
     */
    private transient ValueState<Tuple2<Long, Long>> sum;

    @Override
    public void flatMap(Tuple2<Long, Long> input, Collector<Tuple2<Long, Long>> out) throws Exception {

        // access the state value
        Tuple2<Long, Long> currentSum = sum.value();

        // update the count
        currentSum.f0 += 1;

        // add the second field of the input value
        currentSum.f1 += input.f1;

        // update the state
        sum.update(currentSum);

        // if the count reaches 2, emit the average and clear the state
        if (currentSum.f0 >= 2) {
            out.collect(new Tuple2<>(input.f0, currentSum.f1 / currentSum.f0));
            sum.clear();
        }
    }

    @Override
    public void open(Configuration config) {
        ValueStateDescriptor<Tuple2<Long, Long>> descriptor =
                new ValueStateDescriptor<>(
                        "average", // the state name
                        TypeInformation.of(new TypeHint<Tuple2<Long, Long>>() {}), // type information
                        Tuple2.of(0L, 0L)); // default value of the state, if nothing was set
        sum = getRuntimeContext().getState(descriptor);
    }
}

// this can be used in a streaming program like this (assuming we have a StreamExecutionEnvironment env)
env.fromElements(Tuple2.of(1L, 3L), Tuple2.of(1L, 5L), Tuple2.of(1L, 7L), Tuple2.of(1L, 4L), Tuple2.of(1L, 2L))
        .keyBy(value -> value.f0)
        .flatMap(new CountWindowAverage())
        .print();

// the printed output will be (1,4) and (1,5)