超级会员免费看
本文详细探讨了Flink数据流的传输模式，包括one to one的FORWARD模式和redistributing的HASH模式，并通过实例分析了任务链的合并条件，如并行度和数据传输模式的一致性。此外，还讨论了如何通过设置共享组、rebalance、shuffle、disableChaining和startNewChain等操作来控制任务的合并与分离。
然后我们再来看上一步我们理解了数据流的执行,生成过程,
然后我们再来看数据流的传输以及任务链,因为如果需要知道
两个任务到底是如何合并的,这里就需要知道数据流传输和任务链才行.
首先我们要知道
1.一个程序中,不同的任务可能有不同的并行度
2.算子也就是不同的任务之间数据传输的模式,可能有one to one的模式,也就是forward模式,也可以是redistributing模式,要知道这个redistributiing模式会导致stream分区的改变,也就一个任务可能会
分成多个任务.比如keyby这个算子,会基于hash值,进行重新数据的重新分区,也就是数据流向不同的slot.
这里的redistribute类似于算子会进行hash等操作,把数据分开,而one to one的操作,比如map ,filter, flatMap不会进行分开,所以是one to one的操作.
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
