Chapter 2 Data Processing Using the DataStream API- partitioning

Physical partitioning

Flink allows us to perform physical partitioning of the stream data. You have an option to provide custom partitioning. Let us have a look at the different types of partitioning.(Flink 允许我们对流进行物理分区。你也可以选择自定义分区。让我个先看一下不同类型的分区。)

Custom partitioning

As mentioned earlier, you can provide custom implementation of a partitioner.
正如上文提到的,你可以选择一个自定义分区器实现。

In Java

inputStream.partitionCustom(partitioner, "somekey");
inputStream.partitionCuatom (partitioner, 0);

In Scala:

inputStream.partitionCustom(partitioner, "somekey");
inputStream.partitionCustom(partitioner, o).

While writing a custom partitioner you need make sure you implement an efficient hash function.
编写自定义分区器的同时需要一个高效的hash 算法。

Random partitioning

Random partitioning randomly partitions data streams in an evenly manner.
Random partitioning平均地对数据流进行随机分区。
In Java

inputStream,shuffle();

In Scala

inputstream, shuffle ()

Rebalancing partitioning

This type of partitioning helps distribute the data evenly. It uses a round robin method for distribution. This type of partitioning is good when data is skewed.
Rebalancing分区有助于平衡地分布数据。它使得round robin (轮询调度算法)方法进行数据分布。当数据倾斜时,这种分区是很好的选择。

In Java

inputStream.rebalance ();

In Scala

inputStream.rebalance ()

Rescaling(重新调整)

Rescaling is used to distribute the data across operations, perform transformations on sub sets of data and combine them together. This rebalancing happens over a single node only hence it does not require any data transfer across networks.
(Rescaling)用于跨operations的数据分布。对数据子集进行 transformation然后将它们组合在一起。这种重平衡只在单机的场景下会发生,因此,它不会产生跨网络的数据传输。
The following diagram shows the distribution:
(下图展示了数据的分布情况)

image.png

In Java:

inputStream. rescale()

In Scala:

inputStream.rescale()

Broadcasting

Broadcasting distributes all records to each partition. This fans out each and every element to all partitions.
Broadcasting分将所有的记录都分布到每个分区。Broadcasting分将每一个元素都分散到所有的分区中。

In Java:

inputStream.broadcast ();

In Scala:

inputStream.broadcast ();

Data sinks

After the data transformations are done, we need to save results into some place. The following are some options Flink provides us to save results:
当所有的transformations都执行完之后,我们需要将结果保存起来。下面是Flink提供的一些结果保存选项:

  • writeAslext (): Writes records one line at a time as strings.
    (以字符串的形式写记录,一次写一条。)
  • writeAsCsv (): Writes tuples as comma separated value files. Row and fields delimiter can also be configured.(将tuple与入以,号分隔的文本文件(值文件),行和字段的分隔符是可以配置的。)
  • print ()/priatErr (): Writes records to the standard output. You can also choose to write to the standard error.(将记录输出山到System.out(标准输出)或System.error(标准错误))
  • writeUsingQutputFormat (): You can also choose to provide a custom output format. While defining the custom format you need to extend the OutputFormat which takes care of serialization and deserialization.(可以选择自定义的输出格式,当定义自定义的格式时,你需要继承OutputFormat类,这个类负责序列化和反序列化。)
  • writeToSocket (): Flink supports writing data to a specific socket as well. It is required to define SerializationSchema for proper serialization and formatting
    (Flink 提供将数据写到特定的socket。它需要为序列化和格式化定义适合的 SerializationSchema
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,530评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 86,403评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,120评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,770评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,758评论 5 367
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,649评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,021评论 3 398
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,675评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,931评论 1 299
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,659评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,751评论 1 330
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,410评论 4 321
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,004评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,969评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,203评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,042评论 2 350
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,493评论 2 343

推荐阅读更多精彩内容