Flink 中的多个作业或一个作业中的多个管道

Question

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

Source1 -> operator1 -> Sink1

Source2 -> operator2 -> Sink2

我想为两个流重新使用相同的 Flink 集群。我可以想到通过两种方式来做到这一点：

1) 在同一个 Flink 应用程序上提交 2 个不同的作业

2) 在同一个作业中设置 2 个管道

我能够设置第一个选项，但不确定如何执行第二个选项。有没有人试过这样的设置？一个比另一个有什么优势？

Answer 1

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使用者）。下面是一个例子：

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, ...);
    ...
}

这是两种方法的快速对比。使用单独作业的利弊：

• [+] 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：

• [+] 监控和调试单个作业更容易。
• [+] 修补程序提交到单个存储库并部署到单个环境。
• [+] 经济：降低基础设施硬件和运营成本。
• [-] 不能绑定单个管道使用。
• [-] 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工作，因为每个工作都会对一个检查点进行快照。