flink之算子链

前言：

一个数据流在算子之间传输数据的形式可以是一对一（one-to-one）的直通（forwarding）模式，也可以是打乱的重分区（redistributing）模式，具体是哪一种形式，取决于算子的种类。

一、算子链形式

（1）一对一（One-to-one，forwarding）

相当于一条队列，上游传输的数据在队列里进行先进先出，后进后出，不存在数据乱序延迟问题。

这种模式下，数据流维护着分区以及元素的顺序。比如source和map算子，source算子读取数据之后，可以直接发送给map算子做处理，它们之间传输不需要重新分区，也不需要调整数据的顺序。这就意味着map 算子的子任务，看到的元素个数和顺序跟source 算子的子任务产生的完全一样，保证着“一对一”的关系。map、filter、flatMap等算子都是这种one-to-one的对应关系。这种关系类似于Spark中的窄依赖。

（2）重分区（Redistributing）

相当于挤公交车，人从不同方向往前门上车点靠近，这个时候是乱序。

在这种模式下，数据流的分区会发生改变。比如的map和keyBy/window算子之间，以及keyBy/window算子和Sink算子之间，都是这样的关系。

每一个算子的子任务，会根据数据传输的策略，把数据发送到不同的下游目标任务。这些传输方式都会引起重分区的过程，这一过程类似于Spark中的shuffle。

二、算子链的合并

算子合并的概念：

在Flink中，并行度相同（条件一）的 一对一（条件二）算子操作，可以直接链接在一起形成一个“大”的任务（task），这样原来的算子就成为了真正任务里的一部分，如下图所示。每个task会被一个线程执行。这样的技术被称为“算子链”（Operator Chain）。

算子链的合并的优点：

将算子链接成task是非常有效的优化：可以减少线程之间的切换和基于缓存区的数据交换，在减少时延的同时提升吞吐量。

简单点说就是提升了数据的处理效率。

如图的source和map算子之间的数据传输的形式就是一对一形式并且是并行度相同，此时source和map的算子之间算子操作就可以合并成为一个算子链，形成一个整体的Task，被同一个Taskslot执行，从七个线程缩减到五个线程（taskSlot）。

Flink默认会按照算子链的原则进行链接合并，如果我们想要禁止合并或者自行定义，也可以在代码中对算子做一些特定的设置（了解，不推荐使用）：

// 从map算子后禁用算子链
.map(word -> Tuple2.of(word, 1L)).disableChaining();

// 从当前算子开始新链
.map(word -> Tuple2.of(word, 1L)).startNewChain()