10.Flink数据流和执行图介绍

Leefs 2022-01-09 PM 1919℃ 0条

[TOC]

### 一、数据流（Dataflow）

#### 1.1 概述

**数据流（Dataflow）**：描述了数据如何在不同操作之间流动，Dataflow程序通常表现为**有向无环图（DAG）**。

#### 1.2 分类

**Flink程序由三部分组成：**

+ **Source（数据源）**：负责获取输入数据；

Flink 在流处理和批处理上的 source 大概有 4 类：基于本地集合的 source、基于文件的 source、基于网络套接字的 source、自定义的 source。

自定义的 source 常见的有 Apache kafka、Amazon Kinesis Streams、RabbitMQ、Twitter Streaming API、Apache NiFi 等，当然你也可以定义自己的 source。

+ **Transformation（数据处理）**：对数据进行处理加工，通常对应着多个算子;

Filnk通常用到的算子包括 Map / FlatMap / Filter / KeyBy / Reduce / Fold / Aggregations / Window / WindowAll / Union / Window join / Split / Select / Project 等，操作很多，可以将数据转换计算成你想要的数据。

+ **Sink（接收器）**：负责输出数据。

Flink 将转换计算后的数据发送的地点 ，你可能需要存储下来，Flink 常见的 Sink 大概有如下几类：写入文件、打印出来、写入 socket 、自定义的 sink 。

自定义的 sink 常见的有 Apache kafka、RabbitMQ、MySQL、ElasticSearch、Apache Cassandra、Hadoop FileSystem 等，同理你也可以定义自己的 sink。

#### 1.3 程序与数据流

图中下方顶点称为算子（Operator），表示计算。对应的边表示数据依赖关系。

算子是Dataflow程序的基本功能单元，他们从输入获取数据，对其进行计算，然后产生数据并发往输出以供后续处理。

![10.Flink数据流和执行图介绍01.jpg](https://lilinchao.com/usr/uploads/2022/01/50916960.jpg)

**说明**

在运行时，Flink 上运行的程序会被映射成“逻辑数据流”（dataflows），它包含了这三部分。**每一个 dataflow以一个或多个 sources 开始以一个或多个 sinks结束**。dataflow 类似于任意的有向无环图（DAG）。在大部分情况下，程序中的转换运算（transformations）跟dataflow中的算子（operator）是一一对应的关系，但有时候，一个transformation可能对应多个operator。

### 二、执行图（ExecutionGraph）

#### 2.1 概述

由Flink程序直接映射成的数据流图是StreamGraph，也被称为逻辑流图，因为它们表示的是计算逻辑的高级视图。为了执行一个流处理程序，Flink 需要将逻辑流图转换为物理数据流图（也叫执行图），详细说明程序的执行方式。

#### 2.2 分类

Flink中的执行图可以分成四层：**StreamGraph -> JobGraph -> ExecutionGraph -> 物理执行图**。

+ **StreamGraph：**是根据用户通过 Stream API 编写的代码生成的最初的图。**用来表示程序的拓扑结构。**

+ **JobGraph：**StreamGraph经过优化后生成了JobGraph，提交给JobManager的数据结构。主要的优化为，**将多个符合条件的节点chain在一起作为一个节点**（任务链Operator Chains）后放在一个作业中执行，这样可以减少数据在节点之间流动所需要的序列化/反序列化/传输消耗。
+ **ExecutionGraph：**JobManager根据JobGraph生成ExecutionGraph 。 ExecutionGraph是 JobGraph的**并行化**版本，是调度层最核心的数据结构。
+ **物理执行图：**JobManager根据ExecutionGraph对Job进行调度后，在各个TaskManager上部署 Task 后形成的“图”，并不是一个具体的数据结构。

![10.Flink数据流和执行图介绍02.png](https://lilinchao.com/usr/uploads/2022/01/597831971.png)

标签: Flink

非特殊说明，本博所有文章均为博主原创。

如若转载，请注明出处：https://lilinchao.com/archives/1820.html

上一篇 ELK生命周期管理使用详解

下一篇 11.Flink并行度和任务链

10.Flink数据流和执行图介绍

评论已关闭

栏目分类

标签云

友情链接申请

10.Flink数据流和执行图介绍

评论已关闭

 栏目分类

标签云

友情链接申请

栏目分类

标签云

友情链接申请