行业知识
Flink JobGraph构建过程
文章目录
- 前言
- JobGraph创建的过程
- ���结
前言
在StreamGraph构建过程中分析了StreamGraph的构建过程，在StreamGraph构建完毕之后会对StreamGraph进行优化构建JobGraph，然后再提交JobGraph。优化过程中，Flink会尝试将尽可能多的StreamNode聚合在一个JobGraph节点中，通过合并创建JobVertex，并生成JobEdge，以减少数据在不同节点之间流动所产生的序列化、反序列化、网络传输的开销。它包含的主要抽象概念有：
1、JobVertex：经过优化后符合条件的多个 StreamNode 可能会 chain 在一起生成一个JobVertex，即一个JobVertex 包含一个或多个 operator，JobVertex 的输入是 JobEdge，输出是IntermediateDataSet。
2、IntermediateDataSet：表示 JobVertex 的输出，即经过 operator 处理产生的数据集。producer 是JobVertex，consumer 是 JobEdge。
3、JobEdge：代表了job graph中的一条数据传输通道。source是IntermediateDataSet，target是 JobVertex。即数据通过JobEdge由IntermediateDataSet传递给目标JobVertex。
JobGraph创建的过程
AbstractJobClusterExecutor.execute -> PipelineExecutorUtils.getJobGraph -> PipelineTranslator.translateToJobGraph -> StreamGraphTranslator.translateToJobGraph -> StreamGraph.getJobGraph -> StreamingJobGraphGenerator.createJobGraph
createJobGraph()函数
private JobGraph createJobGraph() { preValidate(); jobGraph.setJobType(streamGraph.getJobType()); jobGraph.enableApproximateLocalRecovery( streamGraph.getCheckpointConfig().isApproximateLocalRecoveryEnabled()); // 为节点生成确定性哈希，以便在提交时识别它们(如果它们没有更改)。. Map hashes = defaultStreamGraphHasher.traverseStreamGraphAndGenerateHashes(streamGraph); // Generate legacy version hashes for backwards compatibility List legacyHashes = new ArrayList(legacyStreamGraphHashers.size()); for (StreamGraphHasher hasher : legacyStreamGraphHashers) { legacyHashes.add(hasher.traverseStreamGraphAndGenerateHashes(streamGraph)); } setChaining(hashes, legacyHashes); setPhysicalEdges(); markContainsSourcesOrSinks(); setSlotSharingAndCoLocation(); setManagedMemoryFraction( Collections.unmodifiableMap(jobVertices), Collections.unmodifiableMap(vertexConfigs), Collections.unmodifiableMap(chainedConfigs), id -> streamGraph.getStreamNode(id).getManagedMemoryOperatorScopeUseCaseWeights(), id -> streamGraph.getStreamNode(id).getManagedMemorySlotScopeUseCases()); configureCheckpointing(); jobGraph.setSavepointRestoreSettings(streamGraph.getSavepointRestoreSettings()); final Map distributedCacheEntries = JobGraphUtils.prepareUserArtifactEntries( streamGraph.getUserArtifacts().stream() .collect(Collectors.toMap(e -> e.f0, e -> e.f1)), jobGraph.getJobID()); for (Map.Entry entry : distributedCacheEntries.entrySet()) { jobGraph.addUserArtifact(entry.getKey(), entry.getValue()); } // 在最后完成ExecutionConfig时设置它 try { jobGraph.setExecutionConfig(streamGraph.getExecutionConfig()); } catch (IOException e) { } jobGraph.setChangelogStateBackendEnabled(streamGraph.isChangelogStateBackendEnabled()); addVertexIndexPrefixInVertexName(); setVertexDescription(); // Wait for the serialization of operator coordinators and stream config. try { FutureUtils.combineAll( vertexConfigs.values().stream() .map( config -> config.triggerSerializationAndReturnFuture( serializationExecutor)) .collect(Collectors.toList())) .get(); waitForSerializationFuturesAndUpdateJobVertices(); } catch (Exception e) { throw new FlinkRuntimeException("Error in serialization.", e); } if (!streamGraph.getJobStatusHooks().isEmpty()) { jobGraph.setJobStatusHooks(streamGraph.getJobStatusHooks()); } return jobGraph; }在 StreamGraph 构建 JobGragh 的过程中，最重要的事情就是 operator 的 chain 优化，那么到底什
么样的情况的下 Operator 能chain 在一起呢？
// 1、下游节点的入度为1 （也就是说下游节点没有来自其他节点的输入）downStreamVertex.getInEdges().size() == 1;// 2、上下游节点都在同一个 slot group 中upStreamVertex.isSameSlotSharingGroup(downStreamVertex);// 3、前后算子不为空!(downStreamOperator == null || upStreamOperator == null);// 4、上游节点的 chain 策略为 ALWAYS 或 HEAD（只能与下游链接，不能与上游链接，Source 默认是 HEAD）!upStreamOperator.getChainingStrategy() == ChainingStrategy.NEVER;// 5、下游节点的 chain 策略为 ALWAYS（可以与上下游链接，map、flatmap、filter 等默认是ALWAYS）!downStreamOperator.getChainingStrategy() != ChainingStrategy.ALWAYS;// 6、两个节点间物理分区逻辑是 ForwardPartitioner(edge.getPartitioner() instanceof ForwardPartitioner);// 7、两个算子间的shuffle方式不等于批处理模式edge.getShuffleMode() != ShuffleMode.BATCH;// 8、上下游的并行度一致upStreamVertex.getParallelism() == downStreamVertex.getParallelism();// 9、用户没有禁用 chainstreamGraph.isChainingEnabled();
构造边
private void connect(Integer headOfChain, StreamEdge edge, NonChainedOutput output) { physicalEdgesInOrder.add(edge); Integer downStreamVertexID = edge.getTargetId(); JobVertex headVertex = jobVertices.get(headOfChain); JobVertex downStreamVertex = jobVertices.get(downStreamVertexID); StreamConfig downStreamConfig = new StreamConfig(downStreamVertex.getConfiguration()); downStreamConfig.setNumberOfNetworkInputs(downStreamConfig.getNumberOfNetworkInputs() + 1); StreamPartitioner partitioner = output.getPartitioner(); ResultPartitionType resultPartitionType = output.getPartitionType(); if (resultPartitionType == ResultPartitionType.HYBRID_FULL || resultPartitionType == ResultPartitionType.HYBRID_SELECTIVE) { hasHybridResultPartition = true; } checkBufferTimeout(resultPartitionType, edge); JobEdge jobEdge; if (partitioner.isPointwise()) { jobEdge = downStreamVertex.connectNewDataSetAsInput( headVertex, DistributionPattern.POINTWISE, resultPartitionType, opIntermediateOutputs.get(edge.getSourceId()).get(edge).getDataSetId(), partitioner.isBroadcast()); } else { jobEdge = downStreamVertex.connectNewDataSetAsInput( headVertex, DistributionPattern.ALL_TO_ALL, resultPartitionType, opIntermediateOutputs.get(edge.getSourceId()).get(edge).getDataSetId(), partitioner.isBroadcast()); } // set strategy name so that web interface can show it. jobEdge.setShipStrategyName(partitioner.toString()); jobEdge.setForward(partitioner instanceof ForwardPartitioner); jobEdge.setDownstreamSubtaskStateMapper(partitioner.getDownstreamSubtaskStateMapper()); jobEdge.setUpstreamSubtaskStateMapper(partitioner.getUpstreamSubtaskStateMapper()); if (LOG.isDebugEnabled()) { LOG.debug( "CONNECTED: {} - {} -> {}", partitioner.getClass().getSimpleName(), headOfChain, downStreamVertexID); } }总结
1、在StreamGraph构建完毕之后会开始构建JobGraph，然后再提交JobGraph。
2、StreamingJobGraphGenerator.createJobGraph()是构建JobGraph的核心实现，实现中首先会广度优先遍历StreamGraph，为其中的每个StreamNode生成一个Hash值，如果用户设置了operator的uid，那么就根据uid来生成Hash值，否则系统会自己为每个StreamNode生成一个Hash值。如果用户自己为operator提供了Hash值，也会拿来用。生成Hash值的作用主要应用在从checkpoint中的数据恢复
3、在生成Hash值之后，会调用setChaining()方法，创建operator chain、构建JobGraph顶点JobVertex、边JobEdge、中间结果集IntermediateDataSet的核心方法。
1)、创建StreamNode chain(operator chain)
从source开始，处理出边StreamEdge和target节点(edge的下游节点)，递归的向下处理StreamEdge上和target StreamNode，直到找到那条过渡边，即不能再进行chain的那条边为止。那么这中间的StreamNode可以作为一个chain。这种递归向下的方式使得程序先chain完StreamGraph后面的节点，再处理头结点，类似于后序递归遍历。
2)、创建顶点JobVertex
顶点的创建在创建StreamNode chain的过程中，当已经完成了一个StreamNode chain的创建，在处理这个chain的头结点时会创建顶点JobVertex，顶点的JobVertexID根据头结点的Hash值而决定。同时JobVertex持有了chain上的所有operatorID。因为是后续遍历，所有JobVertex的创建过程是从后往前进行创建，即从sink端到source端
3)、创建边JobEdge和IntermediateDataSet
JobEdge的创建是在完成一个StreamNode chain，在处理头结点并创建完顶点JobVertex之后、根据头结点和过渡边进行connect操作时进行的，连接的是当前的JobVertex和下游的JobVertex，因为JobVertex的创建是由下至上的。
根据头结点和边从jobVertices中找到对应的JobGraph的上下游顶点JobVertex，获取过渡边的分区器，创建对应的中间结果集IntermediateDataSet和JobEdge。IntermediateDataSet由上游的顶点JobVertex创建，上游顶点JobVertex作为它的生产者producer，IntermediateDataSet作为上游顶点的输出。JobEdge中持有了中间结果集IntermediateDataSet和下游的顶点JobVertex的引用， JobEdge作为中间结果集IntermediateDataSet的消费者，JobEdge作为下游顶点JobVertex的input。整个过程就是
上游JobVertex——>IntermediateDataSet——>JobEdge——>下游JobVertex
4、接下来就是为顶点设置共享solt组、设置checkpoint配置等操作了，最后返回JobGraph，JobGraph的构建就完毕了
上一篇：麦珂服务器怎么样?
下一篇：宝塔面板账号怎么创建？
