flink的狀態后端，以及RocksDB StateBackend的配置

文章引自：https://www.meiwen.com.cn/subject/ypmbpctx.html

 

  flink提供不同的狀態后端（state backends）來區分狀態的存儲方式和存儲位置。flink狀態可以存儲在java堆內存內或者內存之外。通過狀態后端的設置，flink允許應用保持大容量的狀態。開發者可以在不改變應用邏輯的情況下設置狀態后端。
         默認情況下，flink的狀態會保存在taskmanager的內存中，而checkpoint會保存在jobManager的內存中。

二、可用的State Backend

flink提供三種開箱即用的State Backend：

• MemoryStateBackend
• FsStateBackend
• RocksDBStateBackend

如果沒有配置，則默認使用MemoryStateBackend。

2.1 MemoryStateBackend

        MemoryStateBackend內部將狀態（state）數據作為對象保存在java堆內存中（taskManager），通過checkpoint機制，MemoryStateBackend將狀態（state）進行快照並保存Jobmanager（master）的堆內存中。

        MemoryStateBackend可以通過配置來使用異步快照（asynchronous snapshots）。通過異步快照可以避免阻塞管道（blocking pipelines），目前是默認開啟，當然也可以通過MemoryStateBackend的構造函數配置進行關閉：

new MemoryStateBackend(MAX_MEM_STATE_SIZE, false);

MemoryStateBackend的限制：

• 每個獨立的狀態（state）默認限制大小為5MB， 可以通過構造函數增加容量；
• 狀態的大小不能超過akka的framesize大小。參考：配置 ；
• 聚合狀態（aggregate state ）必須放入JobManager的內存。

MemoryStateBackend的適用場景：

• 本地調試
• flink任務狀態數據量較小的場景

2.2 FsStateBackend

        FsStateBackend通過配置文件系統路徑(type, address, path)來進行設置，例如：“hdfs://namenode:40010/flink/checkpoints” 或者 “file:///data/flink/checkpoints”.
        FsStateBackend將動態數據保存在taskmanger的內存中，通過checkpoint機制，將狀態快照寫入配置好的文件系統或目錄中。最小元數據保存jobManager的內存中，另外FsStateBackend通過配置一個fileStateThreshold閾值，小於該值時state存儲到metadata中而非文件中。

         FsStateBackend默認通過配置來使用異步快照（asynchronous snapshots）避免阻塞管道（blocking pipelines），當然也可以通過FsStateBackend的構造函數配置進行關閉：

new FsStateBackend(path, false);

FsStateBackend適用場景：

• 大狀態、長窗口、大key/value狀態的的任務
• 全高可用配置

2.3 RocksDBStateBackend

如果使用java代碼進行單任務配置，使用前先加入依賴：

        <dependency>
            <groupId>org.apache.flink</groupId>
            <artifactId>flink-statebackend-rocksdb_${scala.binary.version}</artifactId>
            <version>1.8.0</version>
        </dependency>

        RocksDBStateBackend也通過配置文件系統路徑來配置，例如：“hdfs://namenode:40010/flink/checkpoints” 或者 “file:///data/flink/checkpoints”，RocksDBStateBackend內部默認會構造一個FsStateBackend來初始化checkpointStreamBackend屬性，在實現StateBackend接口的resolveCheckpoint和createCheckpointStorage方法時實際上調用checkpointStreamBackend的相關方法來實現：

    @Override
    public CompletedCheckpointStorageLocation resolveCheckpoint(String pointer) throws IOException {
        return checkpointStreamBackend.resolveCheckpoint(pointer);
    }

    @Override
    public CheckpointStorage createCheckpointStorage(JobID jobId) throws IOException {
        return checkpointStreamBackend.createCheckpointStorage(jobId);
    }

        RocksDBStateBackend將工作狀態保存在RocksDB數據庫（位置在taskManagerd的數據目錄）。通過checkpoint, 整個RocksDB數據庫被復制到配置的文件系統或目錄中。最小元數據保存jobManager的內存中。RocksDBStateBackend可以通過enableIncrementalCheckpointing參數配置是否進行增量Checkpoint（而MemoryStateBackend 和 FsStateBackend不能）。

        跟FsStateBackend 不同的是，RocksDBStateBackend僅支持異步快照（asynchronous snapshots）。

RocksDBStateBackend適用場景：

• 大狀態、長窗口、大key/value狀態的的任務
• 全高可用配置
  由於RocksDBStateBackend將工作狀態存儲在taskManger的本地文件系統，狀態數量僅僅受限於本地磁盤容量限制，對比於FsStateBackend保存工作狀態在內存中，RocksDBStateBackend能避免flink任務持續運行可能導致的狀態數量暴增而內存不足的情況，因此適合在生產環境使用。

三、配置方式

1. 全局配置
   flink可以通過flink-conf.yaml 配置原因全局配置state backend。
   使用 state.backend 選項進行state backend類型配置：可選值包括： jobmanager (MemoryStateBackend), filesystem (FsStateBackend), rocksdb (RocksDBStateBackend)。
   使用state.checkpoints.dir選項設置checkpoints數據和元數據文件。

一個簡單的配置形式如下：

# The backend that will be used to store operator state checkpoints
state.backend: filesystem
# Directory for storing checkpoints
state.checkpoints.dir: hdfs://namenode:40010/flink/checkpoints

RocksDBStateBackend配置選項：

Key	Default	Description
state.backend.rocksdb.checkpoint.transfer.thread.num	1	The number of threads used to transfer (download and upload) files in RocksDBStateBackend.
state.backend.rocksdb.localdir	(none)	The local directory (on the TaskManager) where RocksDB puts its files.
state.backend.rocksdb.options-factory	"org.apache.flink.contrib.streaming.state.DefaultConfigurableOptionsFactory"	The options factory class for RocksDB to create DBOptions and ColumnFamilyOptions. The default options factory is org.apache.flink.contrib.streaming.state.DefaultConfigurableOptionsFactory, and it would read the configured options which provided in 'RocksDBConfigurableOptions'.
state.backend.rocksdb.predefined-options	"DEFAULT"	The predefined settings for RocksDB DBOptions and ColumnFamilyOptions by Flink community. Current supported candidate predefined-options are DEFAULT, SPINNING_DISK_OPTIMIZED, SPINNING_DISK_OPTIMIZED_HIGH_MEM or FLASH_SSD_OPTIMIZED. Note that user customized options and options from the OptionsFactory are applied on top of these predefined ones.
state.backend.rocksdb.timer-service.factory	"HEAP"	This determines the factory for timer service state implementation. Options are either HEAP (heap-based, default) or ROCKSDB for an implementation based on RocksDB .
state.backend.rocksdb.ttl.compaction.filter.enabled	false	This determines if compaction filter to cleanup state with TTL is enabled for backend.Note: User can still decide in state TTL configuration in state descriptor whether the filter is active for particular state or not.

2. 單任務配置
           通過在單個flink任務中通過env.setStateBackend(...)單獨調整state backend配置，這種方式會覆蓋全局配置。例如：

StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
env.setStateBackend(new FsStateBackend("hdfs://namenode:40010/flink/checkpoints"));

四、總結

        本文介紹了flink狀態后端的三種配置方式和區別，並介紹了狀態后端的配置方法。在生產環境中，對於大狀態量應用，推薦使用RocksDBStateBackend進行狀態后端配置，以應對可能存在的內存不足情況。