本文根據(jù) Apache Flink 系列直播整理而成，由 Apache Flink Contributor、360 數(shù)據(jù)開發(fā)高級工程師馬慶祥老師分享。文章主要從如何為Flink量身定制的序列化框架、Flink序列化的最佳實(shí)踐、Flink通信層的序列化三部分分享。

第一部分:

大家都知道現(xiàn)在大數(shù)據(jù)生態(tài)非?；?，大多數(shù)技術(shù)組件都是運(yùn)行在 JVM 上的，F(xiàn)link 也是運(yùn)行在 JVM 上，基于 JVM 的數(shù)據(jù)分析引擎都需要將大量的數(shù)據(jù)存儲在內(nèi)存中，這就不得不面臨 JVM 的一些問題，比如 Java 對象存儲密度較低等。針對這些問題，最常用的方法就是實(shí)現(xiàn)一個(gè)顯式的內(nèi)存管理，也就是說用自定義的內(nèi)存池來進(jìn)行內(nèi)存的分配回收，接著將序列化后的對象存儲到內(nèi)存塊中。

現(xiàn)在 Java 生態(tài)圈中已經(jīng)有許多序列化框架，比如說 Java serialization, Kryo, Apache Avro 等等。但是 Flink 依然是選擇了自己定制的序列化框架，那么到底有什么意義呢？若 Flink 選擇自己定制的序列化框架，對類型信息了解越多，可以在早期完成類型檢查，更好的選取序列化方式，進(jìn)行數(shù)據(jù)布局，節(jié)省數(shù)據(jù)的存儲空間，直接操作二進(jìn)制數(shù)據(jù)。

Flink 的數(shù)據(jù)類型

image.png

Flink 在其內(nèi)部構(gòu)建了一套自己的類型系統(tǒng)，F(xiàn)link 現(xiàn)階段支持的類型分類如圖所示，從圖中可以看到 Flink 類型可以分為基礎(chǔ)類型（Basic）、數(shù)組（Arrays）、復(fù)合類型（Composite）、輔助類型（Auxiliary）、泛型和其它類型（Generic）。Flink 支持任意的 Java 或是 Scala 類型。不需要像 Hadoop 一樣去實(shí)現(xiàn)一個(gè)特定的接口（org.apache.hadoop.io.Writable），F(xiàn)link 能夠自動(dòng)識別數(shù)據(jù)類型。

image.png

那這么多的數(shù)據(jù)類型，在 Flink 內(nèi)部又是如何表示的呢？圖示中的 Person 類，復(fù)合類型的一個(gè) Pojo 在 Flink 中是用 PojoTypeInfo 來表示，它繼承至 TypeInformation，也即在 Flink 中用 TypeInformation 作為類型描述符來表示每一種要表示的數(shù)據(jù)類型。

TypeInformation

image.png

TypeInformation 的思維導(dǎo)圖如圖所示，從圖中可以看出，在 Flink 中每一個(gè)具體的類型都對應(yīng)了一個(gè)具體的 TypeInformation 實(shí)現(xiàn)類，例如 BasicTypeInformation 中的 IntegerTypeInformation 和 FractionalTypeInformation 都具體的對應(yīng)了一個(gè) TypeInformation。然后還有 BasicArrayTypeInformation、CompositeType 以及一些其它類型，也都具體對應(yīng)了一個(gè) TypeInformation。

TypeInformation 是 Flink 類型系統(tǒng)的核心類。對于用戶自定義的 Function 來說，F(xiàn)link 需要一個(gè)類型信息來作為該函數(shù)的輸入輸出類型，即 TypeInfomation。該類型信息類作為一個(gè)工具來生成對應(yīng)類型的序列化器 TypeSerializer，并用于執(zhí)行語義檢查，比如當(dāng)一些字段在作為 joing 或 grouping 的鍵時(shí)，檢查這些字段是否在該類型中存在。

如何使用 TypeInformation？下面的實(shí)踐中會(huì)為大家介紹。

Flink 的序列化過程

image.png

在 Flink 序列化過程中，進(jìn)行序列化操作必須要有序列化器，那么序列化器從何而來？每一個(gè)具體的數(shù)據(jù)類型都對應(yīng)一個(gè) TypeInformation 的具體實(shí)現(xiàn)，每一個(gè) TypeInformation 都會(huì)為對應(yīng)的具體數(shù)據(jù)類型提供一個(gè)專屬的序列化器。通過 Flink 的序列化過程圖可以看到 TypeInformation 會(huì)提供一個(gè) createSerialize() 方法，通過這個(gè)方法就可以得到該類型進(jìn)行數(shù)據(jù)序列化操作與反序化操作的對象 TypeSerializer。

對于大多數(shù)數(shù)據(jù)類型 Flink 可以自動(dòng)生成對應(yīng)的序列化器，能非常高效地對數(shù)據(jù)集進(jìn)行序列化和反序列化，比如，BasicTypeInfo、WritableTypeIno 等，但針對 GenericTypeInfo 類型，F(xiàn)link 會(huì)使用 Kyro 進(jìn)行序列化和反序列化。其中，Tuple、Pojo 和 CaseClass 類型是復(fù)合類型，它們可能嵌套一個(gè)或者多個(gè)數(shù)據(jù)類型。在這種情況下，它們的序列化器同樣是復(fù)合的。它們會(huì)將內(nèi)嵌類型的序列化委托給對應(yīng)類型的序列化器。

簡單的介紹下 Pojo 的類型規(guī)則，即在滿足一些條件的情況下，才會(huì)選用 Pojo 的序列化進(jìn)行相應(yīng)的序列化與反序列化的一個(gè)操作。即類必須是 Public 的，且類有一個(gè) public 的無參數(shù)構(gòu)造函數(shù)，該類（以及所有超類）中的所有非靜態(tài) no-static、非瞬態(tài) no-transient 字段都是 public 的（和非最終的 final）或者具有公共 getter 和 setter 方法，該方法遵循 getter 和 setter 的 Java bean 命名約定。當(dāng)用戶定義的數(shù)據(jù)類型無法識別為 POJO 類型時(shí)，必須將其作為 GenericType 處理并使用 Kryo 進(jìn)行序列化。

Flink 自帶了很多 TypeSerializer 子類，大多數(shù)情況下各種自定義類型都是常用類型的排列組合，因而可以直接復(fù)用，如果內(nèi)建的數(shù)據(jù)類型和序列化方式不能滿足你的需求，F(xiàn)link 的類型信息系統(tǒng)也支持用戶拓展。若用戶有一些特殊的需求，只需要實(shí)現(xiàn) TypeInformation、TypeSerializer 和 TypeComparator 即可定制自己類型的序列化和比較大小方式，來提升數(shù)據(jù)類型在序列化和比較時(shí)的性能。

image.png

序列化就是將數(shù)據(jù)結(jié)構(gòu)或者對象轉(zhuǎn)換成一個(gè)二進(jìn)制串的過程，在 Java 里面可以簡單地理解成一個(gè) byte 數(shù)組。而反序列化恰恰相反，就是將序列化過程中所生成的二進(jìn)制串轉(zhuǎn)換成數(shù)據(jù)結(jié)構(gòu)或者對象的過程。下面就以內(nèi)嵌型的 Tuple 3 這個(gè)對象為例，簡述一下它的序列化過程。Tuple 3 包含三個(gè)層面，一是 int 類型，一是 double 類型，還有一個(gè)是 Person。Person 包含兩個(gè)字段，一是 int 型的 ID，另一個(gè)是 String 類型的 name，它在序列化操作時(shí)，會(huì)委托相應(yīng)具體序列化的序列化器進(jìn)行相應(yīng)的序列化操作。從圖中可以看到 Tuple 3 會(huì)把 int 類型通過 IntSerializer 進(jìn)行序列化操作，此時(shí) int 只需要占用四個(gè)字節(jié)就可以了。根據(jù) int 占用四個(gè)字節(jié)，這個(gè)能夠體現(xiàn)出 Flink 可序列化過程中的一個(gè)優(yōu)勢，即在知道數(shù)據(jù)類型的前提下，可以更好的進(jìn)行相應(yīng)的序列化與反序列化操作。相反，如果采用 Java 的序列化，雖然能夠存儲更多的屬性信息，但一次占據(jù)的存儲空間會(huì)受到一定的損耗。

Person 類會(huì)被當(dāng)成一個(gè) Pojo 對象來進(jìn)行處理，PojoSerializer 序列化器會(huì)把一些屬性信息使用一個(gè)字節(jié)存儲起來。同樣，其字段則采取相對應(yīng)的序列化器進(jìn)行相應(yīng)序列化，在序列化完的結(jié)果中，可以看到所有的數(shù)據(jù)都是由 MemorySegment 去支持。MemorySegment 具有什么作用呢？

MemorySegment 在 Flink 中會(huì)將對象序列化到預(yù)分配的內(nèi)存塊上，它代表 1 個(gè)固定長度的內(nèi)存，默認(rèn)大小為 32 kb。MemorySegment 代表 Flink 中的一個(gè)最小的內(nèi)存分配單元，相當(dāng)于是 Java 的一個(gè) byte 數(shù)組。 每條記錄都會(huì)以序列化的形式存儲在一個(gè)或多個(gè) MemorySegment 中。

第二部分:

Flink 序列化的最佳實(shí)踐

最常見的場景

Flink 常見的應(yīng)用場景有四種，即注冊子類型、注冊自定義序列化器、添加類型提示、手動(dòng)創(chuàng)建 TypeInformation，具體介紹如下：

• 注冊子類型：如果函數(shù)簽名只描述了超類型，但是它們實(shí)際上在執(zhí)行期間使用了超類型的子類型，那么讓 Flink 了解這些子類型會(huì)大大提高性能?？梢栽?StreamExecutionEnvironment 或 ExecutionEnvironment 中調(diào)用 .registertype (clazz) 注冊子類型信息。
• 注冊自定義序列化：對于不適用于自己的序列化框架的數(shù)據(jù)類型，F(xiàn)link 會(huì)使用 Kryo 來進(jìn)行序列化，并不是所有的類型都與 Kryo 無縫連接，具體注冊方法在下文介紹。
• 添加類型提示：有時(shí)，當(dāng) Flink 用盡各種手段都無法推測出泛型信息時(shí)，用戶需要傳入一個(gè)類型提示 TypeHint，這個(gè)通常只在 Java API 中需要。
• 手動(dòng)創(chuàng)建一個(gè) TypeInformation：在某些 API 調(diào)用中，這可能是必需的，因?yàn)?Java 的泛型類型擦除導(dǎo)致 Flink 無法推斷數(shù)據(jù)類型。

其實(shí)在大多數(shù)情況下，用戶不必?fù)?dān)心序列化框架和注冊類型，因?yàn)?Flink 已經(jīng)提供了大量的序列化操作，不需要去定義自己的一些序列化器，但是在一些特殊場景下，需要去做一些相應(yīng)的處理。

實(shí)踐–類型聲明

類型聲明去創(chuàng)建一個(gè)類型信息的對象是通過哪種方式？通常是用 TypeInformation.of() 方法來創(chuàng)建一個(gè)類型信息的對象，具體說明如下：

• 對于非泛型類，直接傳入 class 對象即可。

  PojoTypeInfo<Person> typeInfo = (PojoTypeInfo<Person>) TypeInformation.of(Person.class);
  

• 對于泛型類，需要通過 TypeHint 來保存泛型類型信息。

  final TypeInfomation<Tuple2<Integer,Integer>> resultType = TypeInformation.of(new TypeHint<Tuple2<Integer,Integer>>(){});
  

• 預(yù)定義常量。

如 BasicTypeInfo，這個(gè)類定義了一系列常用類型的快捷方式，對于 String、Boolean、Byte、Short、Integer、Long、Float、Double、Char 等基本類型的類型聲明，可以直接使用。而且 Flink 還提供了完全等價(jià)的 Types 類（org.apache.flink.api.common.typeinfo.Types）。特別需要注意的是，flink-table 模塊也有一個(gè) Types 類（org.apache.flink.table.api.Types），用于 table 模塊內(nèi)部的類型定義信息，用法稍有不同。使用 IDE 的自動(dòng) import 時(shí)一定要小心。

• 自定義 TypeInfo 和 TypeInfoFactory。

6.jpg

通過自定義 TypeInfo 為任意類提供 Flink 原生內(nèi)存管理（而非 Kryo），可令存儲更緊湊，運(yùn)行時(shí)也更高效。需要注意在自定義類上使用 @TypeInfo 注解，隨后創(chuàng)建相應(yīng)的 TypeInfoFactory 并覆蓋 createTypeInfo() 方法。

實(shí)踐–注冊子類型

Flink 認(rèn)識父類，但不一定認(rèn)識子類的一些獨(dú)特特性，因此需要單獨(dú)注冊子類型。

StreamExecutionEnvironment 和 ExecutionEnvironment 提供 registerType() 方法用來向 Flink 注冊子類信息。

final ExecutionEnvironment env = ExecutionEnvironment.getExecutionEnvironment();
Env. registerType(typeClass);

7.png

在 registerType() 方法內(nèi)部，會(huì)使用 TypeExtractor 來提取類型信息，如上圖所示，獲取到的類型信息屬于 PojoTypeInfo 及其子類，那么需要將其注冊到一起，否則統(tǒng)一交給 Kryo 去處理，F(xiàn)link 并不過問(這種情況下性能會(huì)變差)。

實(shí)踐–Kryo 序列化

對于 Flink 無法序列化的類型（例如用戶自定義類型，沒有 registerType，也沒有自定義 TypeInfo 和 TypeInfoFactory），默認(rèn)會(huì)交給 Kryo 處理，如果 Kryo 仍然無法處理（例如 Guava、Thrift、Protobuf 等第三方庫的一些類），有兩種解決方案：

強(qiáng)制使用 Avro 來代替 Kryo。
env.getConfig().enableForceAvro();
為 Kryo 增加自定義的 Serializer 以增強(qiáng) Kryo 的功能。
env.getConfig().addDefaultKryoSerializer(clazz, serializer);

注：如果希望完全禁用 Kryo（100% 使用 Flink 的序列化機(jī)制），可以通過 Kryo-env.getConfig().disableGenericTypes() 的方式完成，但注意一切無法處理的類都將導(dǎo)致異常，這種對于調(diào)試非常有效。

第三部分:

Flink 通信層的序列化:

Flink 的 Task 之間如果需要跨網(wǎng)絡(luò)傳輸數(shù)據(jù)記錄， 那么就需要將數(shù)據(jù)序列化之后寫入 NetworkBufferPool，然后下層的 Task 讀出之后再進(jìn)行反序列化操作，最后進(jìn)行邏輯處理。

為了使得記錄以及事件能夠被寫入 Buffer，隨后在消費(fèi)時(shí)再從 Buffer 中讀出，F(xiàn)link 提供了數(shù)據(jù)記錄序列化器（RecordSerializer）與反序列化器（RecordDeserializer）以及事件序列化器（EventSerializer）。

Function 發(fā)送的數(shù)據(jù)被封裝成 SerializationDelegate，它將任意元素公開為 IOReadableWritable 以進(jìn)行序列化，通過 setInstance() 來傳入要序列化的數(shù)據(jù)。

在 Flink 通信層的序列化中，有幾個(gè)問題值得關(guān)注，具體如下：

image.png

在構(gòu)建 StreamTransformation 的時(shí)候通過 TypeExtractor 工具確定 Function 的輸入輸出類型。TypeExtractor 類可以根據(jù)方法簽名、子類信息等蛛絲馬跡自動(dòng)提取或恢復(fù)類型信息。

何時(shí)確定 Function 的序列化/反序列化器？
構(gòu)造 StreamGraph 時(shí)，通過 TypeInfomation 的 createSerializer() 方法獲取對應(yīng)類型的序列化器 TypeSerializer，并在 addOperator() 的過程中執(zhí)行 setSerializers() 操作，設(shè)置 StreamConfig 的 TYPE_SERIALIZER_IN_1 、 TYPE_SERIALIZER_IN_2、 TYPE_SERIALIZER_OUT_1 屬性。
何時(shí)進(jìn)行真正的序列化/反序列化操作？這個(gè)過程與 TypeSerializer 又是怎么聯(lián)系在一起的呢？

image.png

大家都應(yīng)該清楚 Tsk 和 StreamTask 兩個(gè)概念，Task 是直接受 TaskManager 管理和調(diào)度的，而 Task 又會(huì)調(diào)用 StreamTask，而 StreamTask 中真正封裝了算子的處理邏輯。在 run() 方法中，首先將反序列化后的數(shù)據(jù)封裝成 StreamRecord 交給算子處理；然后將處理結(jié)果通過 Collector 發(fā)動(dòng)給下游(在構(gòu)建 Collector 時(shí)已經(jīng)確定了 SerializtionDelegate)，并通過 RecordWriter 寫入器將序列化后的結(jié)果寫入 DataOutput；最后序列化的操作交給 SerializerDelegate 處理，實(shí)際還是通過 TypeSerializer 的 serialize() 方法完成。