Flink實作異步IO實戰

基本概念

首先通過官網的一個圖檔了解一下Asynchronous I/O

Flink source收到一條資料就會進行處理，如果需要通過這條資料關聯外部資料源，例如mysql，在發出查詢請求後，同步IO的方式是會等待查詢結果再處理下一條資料的查詢，也就是每一條資料都要等待上一個查詢結束。而異步IO是指資料來了以後發出查詢請求，先不等查詢結果，直接繼續發送下一條的查詢請求，對于查詢結果是異步傳回的，傳回結果之後再進入下一個算子的計算。這兩種方式性能差距請看下的樣例。

案例

生成6條資料，從0開始遞增的6個數字。模拟異步查詢之後，加上時間戳輸出。

public class AsyncIODemo {
    public static void main(String[] args) throws Exception {
        StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
        env.setParallelism(1);
        final int maxCount = 6;
        final int taskNum = 1;
        final long timeout = 40000;

        DataStream<Integer> inputStream = env.addSource(new SimpleSource(maxCount));
        AsyncFunction<Integer, String> function = new SampleAsyncFunction();

        DataStream<String> result = AsyncDataStream.unorderedWait(
                    inputStream,
                    function,
                    timeout,
                    TimeUnit.MILLISECONDS,
                    10).setParallelism(taskNum);

        result.map(new MapFunction<String, String>() {
            @Override
            public String map(String value) throws Exception {
                return value + "," + System.currentTimeMillis();
            }
        }).print();

        env.execute("Async IO Demo");
    }

    private static class SimpleSource implements SourceFunction<Integer> {
        private volatile boolean isRunning = true;
        private int counter = 0;
        private int start = 0;

        public SimpleSource(int maxNum) {
            this.counter = maxNum;
        }

        @Override
        public void run(SourceContext<Integer> ctx) throws Exception {
            while ((start < counter || counter == -1) && isRunning) {
                synchronized (ctx.getCheckpointLock()) {
                    System.out.println("send data:" + start);
                    ctx.collect(start);
                    ++start;
                }
                Thread.sleep(10L);
            }
        }

        @Override
        public void cancel() {
            isRunning = false;
        }
    }
}
           

異步方法

代碼如下（示例）：

public class SampleAsyncFunction extends RichAsyncFunction<Integer, String> {
    private long[] sleep = {100L, 1000L, 5000L, 2000L, 6000L, 100L};

    @Override
    public void open(Configuration parameters) throws Exception {
        super.open(parameters);
    }

    @Override
    public void close() throws Exception {
        super.close();
    }

    @Override
    public void asyncInvoke(final Integer input, final ResultFuture<String> resultFuture) {
        System.out.println(System.currentTimeMillis() + "-input:" + input + " will sleep " + sleep[input] + " ms");

        query(input, resultFuture);
    }

    private void query(final Integer input, final ResultFuture<String> resultFuture) {
        try {
            Thread.sleep(sleep[input]);
            resultFuture.complete(Collections.singletonList(String.valueOf(input)));
        } catch (InterruptedException e) {
            resultFuture.complete(new ArrayList<>(0));
        }
    }

    private void asyncQuery(final Integer input, final ResultFuture<String> resultFuture) {
        CompletableFuture.supplyAsync(new Supplier<Integer>() {

            @Override
            public Integer get() {
                try {
                    Thread.sleep(sleep[input]);
                    return input;
                } catch (Exception e) {
                    return null;
                }
            }
        }).thenAccept((Integer dbResult) -> {
            resultFuture.complete(Collections.singleton(String.valueOf(dbResult)));
        });
    }
}
           

上面的代碼中有兩個方法query()和asyncQuery()，其中Thread.sleep(sleep[input]);用來模拟查詢需要等待的時間，每條資料等待的時間分别為100L, 1000L, 5000L, 2000L, 6000L, 100L毫秒。

結果分析

運作query()的結果為

send data:0
send data:1
send data:2
send data:3
send data:4
send data:5
1577801193230-input:0 will sleep 100 ms
1577801193331-input:1 will sleep 1000 ms
0,1577801194336
1,1577801194336
1577801194336-input:2 will sleep 5000 ms
1577801199339-input:3 will sleep 2000 ms
2,1577801201341
1577801201342-input:4 will sleep 6000 ms
3,1577801207345
4,1577801207345
1577801207346-input:5 will sleep 100 ms
5,1577801207451
           

可以看到第一條資料進入到map算子的時間與最後一條相差了13115毫秒，執行的順序與source中資料的順序一緻，并且是串行的。

運作asyncQuery()的結果為:

```xml
send data:0
send data:1
send data:2
send data:3
1577802161755-input:0 will sleep 100 ms
1577802161756-input:1 will sleep 1000 ms
1577802161757-input:2 will sleep 5000 ms
send data:4
send data:5
1577802161783-input:3 will sleep 2000 ms
1577802161784-input:4 will sleep 6000 ms
1577802161785-input:5 will sleep 100 ms
0,1577802161859
1,1577802162759
3,1577802163862
5,1577802163962
2,1577802166760
4,1577802168762
           

同樣第一條資料進入map算子的時間與最後一條僅相差了6903毫秒，而且輸出結果的順序并不是source中的順序，而是按照查詢時間遞增的順序輸出，并且查詢請求幾乎是同一時間發出的。

通過上面的例子可以看出，flink所謂的異步IO，并不是隻要實作了asyncInvoke方法就是異步了，這個方法并不是異步的，而是要依靠這個方法裡面所寫的查詢是異步的才可以。否則像是上面query()方法那樣，同樣會阻塞查詢相當于同步IO。在實作flink異步IO的時候一定要注意。官方文檔也給出了相關的說明。

2021年2月4日創作
						          	      軍鷹