Flink 一个作业中的多个作业或多个管道

Question

我有一个用例，我想在 Flink 上运行 2 个独立的处理流。所以 2 个流看起来像

Source1 -> operator1 -> Sink1

Source2 -> operator2 -> Sink2

我想为两个流程重新使用同一个 Flink 集群。我可以想到用两种方式做到这一点：

1) 在同一个 Flink 应用程序上提交 2 个不同的作业

2) 在同一作业中设置 2 个管道

我可以设置第一个选项，但不确定如何设置第二个选项。以前有人尝试过这样的设置吗？一个比另一个有什么优势？

Answer 1

第二种方法可以通过在同一个 StreamExecutionEnvironment 中定义两个独立的管道并只调用一次 StreamExecutionEnvironment.execute() 来实现。

我会使用第一种方法，因为它可以更好地隔离。 Flink 在失败的情况下重新启动整个作业。因此，如果您在同一个作业中实现两个管道，则两个管道都将在发生故障时重置并重新启动。如果您遵循方法一，您也可以独立获取保存点。

Answer 2

您可以在 setupJob() 方法中简单地创建多个管道（具有单独或共享的源消费者）。这是一个例子：

private void buildPipeline(StreamExecutionEnvironment env, String sourceName, String sinkName) {
    DataStream<T> stream = env
            .addSource(getInputs().get(sourceName))
            .name(sourceName);
    stream = stream.filter(evt -> filter());
    ....
}

@Override
public void setupJob(AthenaFlinkJobConfiguration jobConfig, StreamExecutionEnvironment env) throws Exception {
    ...
    buildPipeline(env, sourceTopic1, sink1, ...);
    buildPipeline(env, sourceTopic2, sink2, ...);
    ...
}

下面是两种方法的快速对比。使用单独作业的Pros/Cons：

[+]代码更简单
[+] 更灵活地设置低级配置（容错机制、堆大小、并行度等）
[-] 由于资源不共享，基础设施成本更高。
[-]维护和监控更加复杂和耗时。

在单个作业中使用单独管道的好处：

[+] 监视和调试单个作业更容易。
[+] 修补程序被提交到单个存储库中并部署到单个环境中。
[+] 经济：降低基础设施硬件和运营成本。
[-] 无法绑定单个管道使用。
[-] 一条管道中的故障会影响另一条管道。
[-] 一个管道中的背压可能会影响整个作业，因为每个作业都会拍摄一个检查点快照。

Flink 一个作业中的多个作业或多个管道

Multiple jobs or multiple pipelines in one job in Flink

apache-flink

flink-streaming