flink keyby 后分布不均匀-数据倾斜问题解决

案例:

假设业务场景key经过取模操作后映射到[0,100) 的区间

   stream.keyBy((KeySelector<Msg, Integer>) value -> value.key%100);

我们会发现个别subtask数据很多,数据keyby后分布不均匀,出现了数据倾斜的问题

原因:

某个key的数据要发往的subTask的具体实现逻辑

// Returns the logical channel index, to which the given record should be written. 
KeyGroupStreamPartitioner.selectChannel(SerializationDelegate<StreamRecord<T>> record);
// record -> key
key = keySelector.getKey(record.getInstance().getValue());

// assigns the given key to a parallel operator index.
public static int assignKeyToParallelOperator(Object key, int maxParallelism, int parallelism) {
     return computeOperatorIndexForKeyGroup(
               maxParallelism, parallelism, assignToKeyGroup(key, maxParallelism));
}
computeOperatorIndexForKeyGroup(maxParallelism, parallelism, assignToKeyGroup(key, maxParallelism));

// 计算 key的keyGroup
public static int assignToKeyGroup(Object key, int maxParallelism) {
       return computeKeyGroupForKeyHash(key.hashCode(), maxParallelism);
}
public static int computeKeyGroupForKeyHash(int keyHash, int maxParallelism) {
     return MathUtils.murmurHash(keyHash) % maxParallelism;
}

// 计算keyGroup 所属算子下标(即对应的subTask)
public static int computeOperatorIndexForKeyGroup(
            int maxParallelism, int parallelism, int keyGroupId) {
        return keyGroupId * parallelism / maxParallelism;
    }

在key分布区间较小的情况下,我们模拟测试下该分配算法的均匀性

// 假设有取值为0~100的key, 算子parallelism设置为20,maxParallelism取默认值128 
List<Integer> res = new ArrayList<>();
for (int i = 0; i < 100; i++) {
       res.add(MathUtils.murmurHash(String.valueOf(i).hashCode()) % 128 * 20/128);
}
// 分布到 0 ~ 19 的subtask 消息数量如下, 数量波动在 3 ~ 9, 相差有3倍之多
{0=3, 1=7, 2=7, 3=5, 4=6, 5=12, 6=4, 7=8, 8=7, 9=6, 10=4, 11=6, 12=7, 13=5, 14=5, 15=9, 16=5, 17=4, 18=6, 19=4}

说明如果key分布区间较小,flink keyby后很容易出现数据倾斜

解决
   public static Integer[] createRebalanceKeys(int parallelism) {
        //计算 max parallelism, 如果用户自定义了算子最大并行度,作为参数传入
        int maxParallelism = KeyGroupRangeAssignment.computeDefaultMaxParallelism(parallelism);
        // flink keyGroupRange   subTaskIndex -> keyGroup Set
        HashMap<Integer, Set<Integer>> groupRanges = new HashMap<>();
        // random key 取值区间 [0 : parallelism * 20)
        int maxRandomKey = parallelism * 20;
        for (int randomKey = 0; randomKey < maxRandomKey; randomKey++) {
        // 根据flink内部keyGroupRange分配算法(上文所述)分配指定的key到所属的并行算子下标(指定的subtask)
            int subtaskIndex = KeyGroupRangeAssignment.assignKeyToParallelOperator(randomKey, maxParallelism, parallelism);
            Set<Integer> randomKeys = groupRanges.computeIfAbsent(subtaskIndex, k -> new LinkedHashSet<>());
            randomKeys.add(randomKey);
        }
      // 填充 rebalanceKeys: 取对应subtask随机key任意一值
        Integer[] rebalanceKeys = new Integer[parallelism];
        for (int i = 0; i < parallelism; i++) {
            // set findFirst
            rebalanceKeys[i] = groupRanges.get(i).stream().findFirst().get();
        }
        return rebalanceKeys;
    }
  
    // 使用reblanceKeys 数组映射生成重平衡key
   stream.keyBy((KeySelector<Msg, Integer>) value -> rebalanceKeys[value.key%parallelism]);
©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 215,245评论 6 497
  • 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 91,749评论 3 391
  • 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 160,960评论 0 350
  • 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 57,575评论 1 288
  • 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 66,668评论 6 388
  • 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 50,670评论 1 294
  • 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 39,664评论 3 415
  • 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 38,422评论 0 270
  • 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 44,864评论 1 307
  • 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 37,178评论 2 331
  • 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 39,340评论 1 344
  • 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 35,015评论 5 340
  • 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 40,646评论 3 323
  • 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 31,265评论 0 21
  • 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 32,494评论 1 268
  • 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 47,261评论 2 368
  • 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 44,206评论 2 352

推荐阅读更多精彩内容