【原始碼】Flink 三層圖結構——StreamGraph 生成前準備 Transformation
最近一直在看 StreamGraph 生成的原始碼,剛好有點思路,準備動手了發現,
如果不說下 Transformation 後面的 StreamGraph 會差比較多意思,
所以先做點鋪墊。
## Transformation
Transformation 類是 Flink 轉換運算元的基類,實現類有下面這些
AbstractMultipleInputTransformation CoFeedbackTransformation FeedbackTransformation KeyedMultipleInputTransformation LegacySourceTransformation MultipleInputTransformation OneInputTransformation PartitionTransformation PhysicalTransformation SelectTransformation SideOutputTransformation SinkTransformation SourceTransformation SplitTransformation TwoInputTransformation UnionTransformation
類圖:
從這些 Transformation 中也可以看出Flink 支援的轉換型別: Source、Sink、一個輸入、兩個輸入、多個輸入、Union、側輸出、Select、分割槽 等轉換操作
## source Transformation 的起始
env.addSource(new SimpleStringSource)
呼叫 StreamExecutionEnvironment.scala 的 addSource 方法
def addSource[T: TypeInformation](function: SourceFunction[T]): DataStream[T] = { require(function!= null, "Function must not be null.") val cleanFun = scalaClean(function) val typeInfo = implicitly[TypeInformation[T]] asScalaStream(javaEnv.addSource(cleanFun, typeInfo)) }
然後呼叫 javaEnv.addSource 方法
StreamExecutionEnvironment.java
public <OUT> DataStreamSource<OUT> addSource(SourceFunction<OUT> function, TypeInformation<OUT> typeInfo) {return addSource(function, "Custom Source", typeInfo); } public <OUT> DataStreamSource<OUT> addSource(SourceFunction<OUT> function, String sourceName, TypeInformation<OUT> typeInfo) { TypeInformation<OUT> resolvedTypeInfo = getTypeInfo(function, sourceName, SourceFunction.class, typeInfo); boolean isParallel = function instanceof ParallelSourceFunction; clean(function); // 建立 StreamSource final StreamSource<OUT, ?> sourceOperator = new StreamSource<>(function); // 使用 StreamSource 建立 DataStreamSource 同時建立 Source 的Transformation 了, this 指 env return new DataStreamSource<>(this, resolvedTypeInfo, sourceOperator, isParallel, sourceName); }
DataStreamSource.java 使用輸入的 sourceName, operator, outTypeInfo, Parallelism 建立 LegacySourceTransformation
public DataStreamSource( StreamExecutionEnvironment environment, TypeInformation<T> outTypeInfo, StreamSource<T, ?> operator, boolean isParallel, String sourceName) { super(environment, new LegacySourceTransformation<>(sourceName, operator, outTypeInfo, environment.getParallelism())); this.isParallel = isParallel; if (!isParallel) { setParallelism(1); } }
最終呼叫到 DataStream.java 的 DataStream 方法,將生成的 LegacySourceTransformation 放入到 DataStream 中
public DataStream(StreamExecutionEnvironment environment, Transformation<T> transformation) { this.environment = Preconditions.checkNotNull(environment, "Execution Environment must not be null."); this.transformation = Preconditions.checkNotNull(transformation, "Stream Transformation must not be null."); }
addSource 返回一個 DataStreamSource ,transformation 是 LegacySourceTransformation,並攜帶 StreamExecutionEnvironment 物件,繼續後面運算元的呼叫
## map 運算元看 Transformation
stream
.map(str => str)
程式碼執行到 map 這一行時,會呼叫到 DataStream.scala 的 map 方法
def map[R: TypeInformation](fun: T => R): DataStream[R] = { if (fun == null) { throw new NullPointerException("Map function must not be null.") } val cleanFun = clean(fun) val mapper = new MapFunction[T, R] { def map(in: T): R = cleanFun(in) } // 又呼叫 map map(mapper) } def map[R: TypeInformation](mapper: MapFunction[T, R]): DataStream[R] = { if (mapper == null) { throw new NullPointerException("Map function must not be null.") } val outType : TypeInformation[R] = implicitly[TypeInformation[R]] // stream.map 呼叫到 DataStream.java 中了 asScalaStream(stream.map(mapper, outType).asInstanceOf[JavaStream[R]]) }
注: Flink 主要功能還是在 Java 程式碼中, Scala Api 就像個外殼,用 Scala 包裝了一下,方便 Scala 程式碼呼叫,實際上還是會呼叫到 Java 程式碼上去
DataStream.java 的 map 方法
這裡呼叫 transform 方法,要構建 Transformation 了,對於這個測試的寫法來說, outputType 是 "String", Transformation 名是 "Map"
SimpleOperatorFactory.of(operator)) 獲取的工廠類是: SimpleUdfStreamOperatorFactory str => str 就是 Udf
public <R> SingleOutputStreamOperator<R> map(MapFunction<T, R> mapper, TypeInformation<R> outputType) { // 可以看到 transform ,這裡的 outputType 是 String 了 return transform("Map", outputType, new StreamMap<>(clean(mapper))); } public <R> SingleOutputStreamOperator<R> transform( String operatorName, TypeInformation<R> outTypeInfo, OneInputStreamOperator<T, R> operator) { return doTransform(operatorName, outTypeInfo, SimpleOperatorFactory.of(operator)); }
DataStream.java 的 doTransform 方法建立 map 運算元對於的 OneInputTransformation, 同時建立一個新的 DataStream: SingleOutputStreamOperator
// 真正建立 Transformation protected <R> SingleOutputStreamOperator<R> doTransform( String operatorName, TypeInformation<R> outTypeInfo, StreamOperatorFactory<R> operatorFactory) { // read the output type of the input Transform to coax out errors about MissingTypeInfo // 檢驗和設定 transformation 輸出型別 transformation.getOutputType(); // 建立 一個輸入的 Transformation, this.transformation 上一運算元的 Transformation 做為 當前運算元的 輸入 Transformation OneInputTransformation<T, R> resultTransform = new OneInputTransformation<>( this.transformation, operatorName, operatorFactory, outTypeInfo, environment.getParallelism()); @SuppressWarnings({"unchecked", "rawtypes"}) // 建立 一個輸出的 StreamOperator 也是 DataStream, 也 攜帶 environment SingleOutputStreamOperator<R> returnStream = new SingleOutputStreamOperator(environment, resultTransform); // 講 建立的 Transformation 放到 ExecutionEnvironment 的 transformations 列表中 getExecutionEnvironment().addOperator(resultTransform); // 返回 SingleOutputStreamOperator return returnStream; }
所以,執行完 map 後,返回的也是一個新的 DataStream,這不像有些使用者,objectA.methodA().methodB() 每次都返回原來的 objectA
## sink Transformation 的起始
public DataStreamSink<T> addSink(SinkFunction<T> sinkFunction) { // read the output type of the input Transform to coax out errors about MissingTypeInfo // 檢驗輸出和設定輸出型別 transformation.getOutputType(); // configure the type if needed // 檢查輸入方法型別 if (sinkFunction instanceof InputTypeConfigurable) { ((InputTypeConfigurable) sinkFunction).setInputType(getType(), getExecutionConfig()); } // 建立一個 sinkOperator StreamSink<T> sinkOperator = new StreamSink<>(clean(sinkFunction)); // 使用 sinkOperator 建立 DataStreamSink , 同是建立 SinkTransformation DataStreamSink<T> sink = new DataStreamSink<>(this, sinkOperator); // 把 SinkTransformation 新增到 transformations getExecutionEnvironment().addOperator(sink.getTransformation()); // 返回 DataStreamSink return sink; }
DataStreamSink.java 建立 DataStreamSink 的時候,用當前的 DataStream 和 StreamSink 做引數, 當前的 DataStream 做為 StreamSink 的 input Transformation
protected DataStreamSink(DataStream<T> inputStream, StreamSink<T> operator) { this.transformation = new SinkTransformation<T>(inputStream.getTransformation(), "Unnamed", operator, inputStream.getExecutionEnvironment().getParallelism()); }
在建立 Sink 的 DataStream 的時候,將 前一個運算元生成的 DataStream 傳入 做為了 Sink 的 input Transformation。
## 總結
從 env.addSource.map.addSink 最簡單的 Flink 程式,可以看到 Flink 建立 StreamGraph 前的 Transformation 生成過程,其他如: flatMap、filter、union、process 基本類似,其他如 join、window、forward 也相差不大
比如:
val join = process.join(map) .where(str => str) .equalTo(str => str) .window(TumblingProcessingTimeWindows.of(Time.minutes(1))) .apply(new JoinFunction[String, String, String] { override def join(first: String, second: String): String = { first + ";" + second } })
從 apply 追下去,會 看到 在 WindowedStream.java 的 apply 方法中 呼叫了 input.transform(opName, resultType, operator) 生成了 一個輸出的 Transformation
@PublicEvolving public <R> SingleOutputStreamOperator<R> transform( String operatorName, TypeInformation<R> outTypeInfo, OneInputStreamOperator<T, R> operator) { return doTransform(operatorName, outTypeInfo, SimpleOperatorFactory.of(operator)); } protected <R> SingleOutputStreamOperator<R> doTransform( String operatorName, TypeInformation<R> outTypeInfo, StreamOperatorFactory<R> operatorFactory) { // read the output type of the input Transform to coax out errors about MissingTypeInfo transformation.getOutputType(); OneInputTransformation<T, R> resultTransform = new OneInputTransformation<>( this.transformation, operatorName, operatorFactory, outTypeInfo, environment.getParallelism()); @SuppressWarnings({"unchecked", "rawtypes"}) SingleOutputStreamOperator<R> returnStream = new SingleOutputStreamOperator(environment, resultTransform); getExecutionEnvironment().addOperator(resultTransform); return returnStream;
Transformation 就是 使用者程式碼,轉換成 Flink 運算元的結果,Transformation
歡迎關注Flink菜鳥公眾號,會不定期更新Flink(開發技術)相關的推文