源码分析基于flink1.14

Join是flink中最常用的操作之一,但是如果滥用的话会有很多的性能问题,了解一下Flink源码的实现原理是非常有必要的

本文的join主要是指flink sql的Regular join 也就是平时我们的双流join中普通的full join ,left join,right join

先找到calcite的relNode转换rule

会将逻辑节点logiceJoin转换成flink的FlinkLogicalJoin

接着看下哪里Rule会转换这个FlinkLogicalJoin

这里会将这种普通join也就是regularJoin给匹配上

条件是

不是这三种join,并且

也不能join表达式包含时间属性

匹配上次rule以后,接着

返回了StreamPhysicalJoin这个StreamPhysicalRel是个物理节点

他的translateToExecNode方法会返回StreamExecJoin,这个类就是我们具体的逻辑了

来看一下

首先会根据会join的类型,确定两个流那个需要输出,如果是fulljoin两个流都会输出,left join就是左流需要outer,right join就是right流需要outer

之后创建了具体的Operator,来看下这个StreamingJoinOperator

先看一下这个类里面两个比较重要的状态

可以看到,左右流都会保存一个状态

看下状态包装类的描述

总共就三,方法,分别是加入数据,撤回数据,获取这个数据关联上的所有数据

在open方法里面会根据上面计算的左右流是否需要输出来初始化这个两个状态

这里状态包装类的创建,将根据数据类型分为三种

1. 流带主键,且join条件包含了主键

这样数据唯一,就只用ValueState来存

2. 流带主键,但join条件没有包含主键

这里就用MapState来存了,每次根据主键更新

3. 流不带主键

就用map,直接把record当key存了

接着看processElement方法

这里详细的代码就不列出来了太复杂了,想看的直接看这个类

org.apache.flink.table.runtime.operators.join.stream.StreamingJoinOperator.processElement()

梳理逻辑我们还是来看下伪代码

主要分为两段

1. 如果是 +Insert / +Update 类型的数据

判断输入数据的流需不需要输出

如果需要输出

看下和另外一个流关联的上不

关联的上输出  +I[record+other]s

关联不上输出  +I[record+null]

将数据加入状态中

如果不需要输出

将数据加入状态中

如果与另外一个流的数据关联上了

如果另外一个流要outer,   输出  +I[record+other]s

如果另外一个流不用输出 ,输出   +I/+U[record+other]s

1. 如果是 -Delete / -Update 类型的数据

状态里面先撤回这条数据

如果与另外流没有匹配上,如果输入数据的流需要输出,则输出  -D[record+null]

如果与另外一条流匹配上了

当前流outer,发送 -D[record+other]s,如果是inner join发送-D/-U[record+other]s

最后的最后

用两个流join的key作为状态的selecter来完成transform的构建就完成了

总结一下:

Flink会根据join的key作为状态分流的selecter,根据表是否有主键,join条件是否包含主键,来创建对应的state数据结构,来优化状态的读写

两条流会根据join类型,来设置此流需不需要输出outer

当数据进入,查询另一侧的流是否有数据可以关联上,以及两条流的outer类型,来确定向下游发送的撤回和新增的数据

												

Flink sql 之 join 与 StreamPhysicalJoinRule (源码解析)的更多相关文章

  1. Flink sql 之 TopN 与 StreamPhysicalRankRule (源码解析)

    基于flink1.14的源码做解析 公司内有很多业务方都在使用我们Flink sql平台做TopN的计算,今天同事突然问到我,Flink sql 是怎么实现topN的 ? 蒙圈了,这块源码没看过啊 , ...

  2. [源码解析] GroupReduce,GroupCombine 和 Flink SQL group by

    [源码解析] GroupReduce,GroupCombine和Flink SQL group by 目录 [源码解析] GroupReduce,GroupCombine和Flink SQL grou ...

  3. Flink 源码解析 —— 深度解析 Flink 是如何管理好内存的?

    前言 如今,许多用于分析大型数据集的开源系统都是用 Java 或者是基于 JVM 的编程语言实现的.最着名的例子是 Apache Hadoop,还有较新的框架,如 Apache Spark.Apach ...

  4. [源码解析] 当 Java Stream 遇见 Flink

    [源码解析] 当 Java Stream 遇见 Flink 目录 [源码解析] 当 Java Stream 遇见 Flink 0x00 摘要 0x01 领域 1.1 Flink 1.2 Java St ...

  5. Flink 源码解析 —— 源码编译运行

    更新一篇知识星球里面的源码分析文章,去年写的,周末自己录了个视频,大家看下效果好吗?如果好的话,后面补录发在知识星球里面的其他源码解析文章. 前言 之前自己本地 clone 了 Flink 的源码,编 ...

  6. Flink 源码解析 —— 如何获取 ExecutionGraph ?

    https://t.zsxq.com/UnA2jIi 博客 1.Flink 从0到1学习 -- Apache Flink 介绍 2.Flink 从0到1学习 -- Mac 上搭建 Flink 1.6. ...

  7. Flink 源码解析 —— 如何获取 JobGraph?

    JobGraph https://t.zsxq.com/naaMf6y 博客 1.Flink 从0到1学习 -- Apache Flink 介绍 2.Flink 从0到1学习 -- Mac 上搭建 F ...

  8. Flink 源码解析 —— Flink JobManager 有什么作用?

    JobManager 的作用 https://t.zsxq.com/2VRrbuf 博客 1.Flink 从0到1学习 -- Apache Flink 介绍 2.Flink 从0到1学习 -- Mac ...

  9. Flink 源码解析 —— JobManager 处理 SubmitJob 的过程

    JobManager 处理 SubmitJob https://t.zsxq.com/3JQJMzZ 博客 1.Flink 从0到1学习 -- Apache Flink 介绍 2.Flink 从0到1 ...

随机推荐

  1. 服务器安装CentOS7.9系统(U盘启动方式)

    一.安装环境 机房的华为GPU服务器,型号G2500,8张P4显卡,需要安装最小化的CentOS7.9操作系统,利用U盘启动的方式进行安装. 二.安装说明 虽然本环境是GPU服务器,但是安装方式同样适 ...

  2. www迁移

    www迁移主要就是2部分: 1)官网页面架构,即 ./drupal/index.php 2)官网图片,即 ./drupal/assets/ 目录下的文件 1. 在ubuntu上搭建基础v1.0环境 2 ...

  3. Reader字符输入流和InputStreamReader和FileReader

    1.FileReader  extends InputStreamReader extends Reader 其中,Reader字符输入流和InputStreamReader和FileReader为字 ...

  4. .NET 6 RC1 正式发布

    昨天晚上微软发布了.NET 6的两个RC版本中的第一个版本,该版本将于11月正式发布,作为在开源MIT协议下整合所有不同的.NET开发模组件的开源跨平台实现.这是一个从2014年开始,持续多年的,以改 ...

  5. WPF 第三方资源

    1.XCeed 开发的Extended WPF Toolkit http://wpftoolkit.codeplex.com/ http://www.csdn123.com/html/blogs/20 ...

  6. 论文解读(SimCLR)《A Simple Framework for Contrastive Learning of Visual Representations》

    1 题目 <A Simple Framework for Contrastive Learning of Visual Representations> 作者: Ting Chen, Si ...

  7. Django学习day13随堂笔记

    每日测验 """ 今日考题 1.什么是django中间件,它的作用是什么,如何自定义中间件,里面有哪些用户可以自定义的方法,这些方法有何特点 2.基于django中间件的 ...

  8. html 表单input disabled属性提交后台无法获得数据

    在input上加入disabled属性后, 点击提交会遗漏该值, 有两个办法: 一 可以考虑readonly属性,一样的不可修改操作,但是可以提交 二 在提交时 js 代码操作去除input上的dis ...

  9. CSS写一个缺角的div和菱形

    <!DOCTYPE html> <html lang="en"> <head> <meta charset="UTF-8&quo ...

  10. php curl 发送post请求

    PHP curl_init函数 resource curl_init ([ string $url = NULL ] ) 初始化一个新的会话,返回一个cURL句柄,供curl_setopt(), cu ...