Flink-State Backends(状态后端)
2023-09-11 14:14:34 时间
状态后端(State Backends)
每传入一条数据,有状态的算子任务都会读取和更新状态
由于有效的状态访问对于处理数据的低延迟至关重要,因此每个并行任务都会在本地维护其状态,以确保快速的状态访问
状态的存储、访问以及维护,由一个可插入的组件决定,这个组件就叫做状态后端(state backend)
状态后端主要负责两件事:本地的状态管理,以及将检查点(checkpoint)状态写入远程存储
状态后端类型:
MemoryStateBackend
内存级的状态后端,会将键控状态作为内存中的对象进行管理,将它们存储在TaskManager的JVM堆上,而将checkpoint存储在JobManager的内存中
特点:快速、低延迟,但不稳定;主要用在测试开发环境
FsStateBackend
将checkpoint存到远程的持久化文件系统(FileSystem)上,而对于本地状态,跟MemoryStateBackend一样,也会存在TaskManager的JVM堆上
特点:同时拥有内存级的本地访问速度,和更好的容错保证
RocksDBStateBackend
将所有状态序列化后,存入本地的RocksDB中存储
val env = StreamExecutionEnvironment.getExecutionEnvironment env.setParallelism(1) env.setStateBackend(new MemoryStateBackend()) env.setStateBackend(new FsStateBackend("hdfs://localhsot:xxxx")) env.setStateBackend(new RocksDBStateBackend(""))
相关文章
- 配置Flink依赖的pom文件时报错:flink-clients_2.11 & flink-streaming-java_2.11
- Flink-动态表和持续查询
- Flink-ProcessFunction
- Flink作业任务部署解读
- Flink教程(05)- Flink原理简单分析
- Flink Standalone集群部署
- Flink性能测试case案例
- 会议总结 | 首次 Flink Batch 社区开发者会议
- 美团点评基于 Flink 的实时数仓平台实践
- Flink状态管理和容错机制介绍
- 原理解析 | Apache Flink 结合 Kafka 构建端到端的 Exactly-Once 处理
- 360深度实践:Flink 与 Storm 协议级对比
- Apache Flink 零基础入门(一):基础概念解析
- Flink 1.8.0中的状态生存时间特性:如何自动清理应用程序的状态
- Apache Flink 1.9重磅发布!首次合并阿里内部版本Blink重要功能
- Flink技术灵活使用总结(一)状态与状态后端
- 使用flink Table &Sql api来构建批量和流式应用(3)Flink Sql 使用