比方说,我知道我的数据集是不平衡的,而且我知道密钥的分布。我想利用它编写一个自定义分区程序,以充分利用运算符实例。
我了解DataStream#partitionCustom。但是,如果我的流被加密,它是否仍可以正常工作?我的工作看起来像这样:
KeyedDataStream afterCustomPartition = keyedStream.partitionCustom(new MyPartitioner(), MyPartitionKeySelector())
DataStreamUtils.reinterpretAsKeyedStream(afterCustomPartition, new MyGroupByKeySelector<>()).sum()
我想要实现的是:
keyBy(x) = keyBy(y) => partition(x) = partition(y)
。用例示例:
答案 0 :(得分:2)
很遗憾,这是不可能的。 DataStreamUtils.reinterpretAsKeyedStream()
要求对数据进行相同的分区,就像调用keyBy()
一样。
此限制的原因是密钥组以及密钥如何映射到密钥组。密钥组是Flink分配密钥状态的单位。密钥组的数量决定了运算符的最大并行度,并使用setMaxParallelism()
进行配置。使用内部哈希函数将密钥分配给密钥组。通过更改密钥的分区,同一密钥组的密钥将分布在无法使用的多台计算机上。
为了调整对计算机的密钥分配,您需要更改对密钥组的密钥分配。但是,没有公共或可访问的接口可以执行此操作。因此,Flink 1.6不支持自定义密钥分发。