并行执行

译者：flink.sojb.cn

本节介绍如何在Flink中配置程序的并行执行。Flink程序由多个任务（转换/ 算子，数据源和接收器）组成。任务被分成几个并行实例以供执行，每个并行实例处理任务输入数据的子集。任务的并行实例数称为并行性。

如果要使用保存点，还应考虑设置最大并行度（或max parallelism）。从保存点恢复时，您可以更改特定 算子或整个程序的并行度，此设置指定并行度的上限。这是必需的，因为Flink在内部将状态划分为Keys组，并且我们不能拥有+Inf多个Keys组，因为这会对性能产生不利影响。

设置并行性

可以在不同级别的Flink中指定任务的并行性：

算子级别

可以通过调用其setParallelism()方法来定义单个 算子，数据源或数据接收器的并行性 。例如，像这样：

  1. final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
  3. DataStream<String> text = [...]
  4. DataStream<Tuple2<String, Integer>> wordCounts = text
  5.     .flatMap(new LineSplitter())
  6.     .keyBy(0)
  7.     .timeWindow(Time.seconds(5))
  8.     .sum(1).setParallelism(5);
  10. wordCounts.print();
  12. env.execute("Word Count Example");
  1. val env = StreamExecutionEnvironment.getExecutionEnvironment
  3. val text = [...]
  4. val wordCounts = text
  5.     .flatMap{ _.split(" ") map { (_, 1) } }
  6.     .keyBy(0)
  7.     .timeWindow(Time.seconds(5))
  8.     .sum(1).setParallelism(5)
  9. wordCounts.print()
  11. env.execute("Word Count Example")

运行环境级别

如此处所述， Flink程序在运行环境的上下文中执行。运行环境为其执行的所有算子，数据源和数据接收器定义默认并行性。可以通过显式配置 算子的并行性来覆盖运行环境并行性。

可以通过调用setParallelism()方法来指定运行环境的默认并行性 。要以并行方式执行所有 算子，数据源和数据接收器，请3按如下方式设置运行环境的默认并行度：

  1. final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
  2. env.setParallelism(3);
  4. DataStream<String> text = [...]
  5. DataStream<Tuple2<String, Integer>> wordCounts = [...]
  6. wordCounts.print();
  8. env.execute("Word Count Example");
  1. val env = StreamExecutionEnvironment.getExecutionEnvironment
  2. env.setParallelism(3)
  4. val text = [...]
  5. val wordCounts = text
  6.     .flatMap{ _.split(" ") map { (_, 1) } }
  7.     .keyBy(0)
  8.     .timeWindow(Time.seconds(5))
  9.     .sum(1)
  10. wordCounts.print()
  12. env.execute("Word Count Example")

客户级别

在向Flink提交作业时，可以在客户端设置并行性。客户端可以是Java或Scala程序。这种客户端的一个例子是Flink的命令行界面（CLI）。

对于CLI客户端，可以使用指定parallelism参数-p。例如：

  1. ./bin/flink run -p 10 ../examples/*WordCount-java*.jar

在Java / Scala程序中，并行性设置如下：

  1. try {
  2.     PackagedProgram program = new PackagedProgram(file, args);
  3.     InetSocketAddress jobManagerAddress = RemoteExecutor.getInetFromHostport("localhost:6123");
  4.     Configuration config = new Configuration();
  6.     Client client = new Client(jobManagerAddress, config, program.getUserCodeClassLoader());
  8.     // set the parallelism to 10 here
  9.     client.run(program, 10, true);
  11. } catch (ProgramInvocationException e) {
  12.     e.printStackTrace();
  13. }
  1. try {
  2.     PackagedProgram program = new PackagedProgram(file, args)
  3.     InetSocketAddress jobManagerAddress = RemoteExecutor.getInetFromHostport("localhost:6123")
  4.     Configuration config = new Configuration()
  6.     Client client = new Client(jobManagerAddress, new Configuration(), program.getUserCodeClassLoader())
  8.     // set the parallelism to 10 here
  9.     client.run(program, 10, true)
  11. } catch {
  12.     case e: Exception => e.printStackTrace
  13. }

系统级别

可以通过设置parallelism.default属性来定义所有运行环境的系统范围默认并行度 ./conf/flink-conf.yaml。有关详细信息，请参阅 配置文档

设置最大并行度

可以在可以设置并行度的位置设置最大并行度（客户端级别和系统级别除外）。而不是调用，setParallelism()你调用 setMaxParallelism()设置最大并行度。

最大并行度的默认设置大致operatorParallelism + (operatorParallelism / 2)为下限127和上限32768。

注意将最大并行度设置为非常大的值可能对性能有害，因为某些状态后台必须保持内部数据结构随Keys组的数量（这是可重新缓存状态的内部实现机制）进行扩展。