簡介：滴滴實時計算引擎從 Flink-1.4 無縫升級到 Flink-1.10 版本，做到了完全對用戶透明。并且在新版本的指標、調(diào)度、SQL 引擎等進行了一些優(yōu)化，在性能和易用性上相較舊版本都有很大提升。

作者｜Alan

導(dǎo)讀：滴滴實時計算引擎從 Flink-1.4 無縫升級到 Flink-1.10 版本，做到了完全對用戶透明。并且在新版本的指標、調(diào)度、SQL 引擎等進行了一些優(yōu)化，在性能和易用性上相較舊版本都有很大提升。

這篇文章介紹了我們升級過程中遇到的困難和思考，希望能給大家?guī)韱l(fā)。

一、 背景

在本次升級之前，我們使用的主要版本為 Flink-1.4.2，并且在社區(qū)版本上進行了一些增強，提供了 StreamSQL 和低階 API 兩種服務(wù)形式?，F(xiàn)有集群規(guī)模達到了 1500 臺物理機，運行任務(wù)數(shù)超過 12000 ，日均處理數(shù)據(jù) 3 萬億條左右。

不過隨著社區(qū)的發(fā)展，尤其是 Blink 合入 master 后有很多功能和架構(gòu)上的升級，我們希望能通過版本升級提供更好的流計算服務(wù)。今年 2 月份，里程碑版本 Flink-1.10 發(fā)布，我們開始在新版上上進行開發(fā)工作，踏上了充滿挑戰(zhàn)的升級之路。

二、 Flink-1.10 新特性

作為 Flink 社區(qū)至今為止的最大的一次版本升級，加入的新特性解決了之前遇到很多的痛點。

1. 原生 DDL 語法與 Catalog 支持

Flink SQL 原生支持了 DDL 語法，比如 CREATE TABLE/CREATE FUNCTION，可以使用 SQL 進行元數(shù)據(jù)的注冊，而不需要使用代碼的方式。

也提供了 Catalog 的支持，默認使用 InMemoryCatalog 將信息臨時保存在內(nèi)存中，同時也提供了 HiveCatalog 可以與 HiveMetastore 進行集成。也可以通過自己拓展 Catalog 接口實現(xiàn)自定義的元數(shù)據(jù)管理。

2.Flink SQL 的增強

• 基于 ROW_NUMBER 實現(xiàn)的 TopN 和去重語法，拓展了 StreamSQL 的使用場景。
• 實現(xiàn)了 BinaryRow 類型作為內(nèi)部數(shù)據(jù)交互，將數(shù)據(jù)直接以二進制的方式構(gòu)建而不是對象數(shù)組，比如使用一條數(shù)據(jù)中的某個字段時，可以只反序列其中部分數(shù)據(jù)，減少了不必要的序列化開銷。
• 新增了大量內(nèi)置函數(shù)，例如字符串處理、FIRST/LAST_VALUE 等等，由于不需要轉(zhuǎn)換為外部類型，相較于自定義函數(shù)效率更高。
• 增加了 MiniBatch 優(yōu)化，通過微批的處理方式提升任務(wù)的吞吐

3.內(nèi)存配置優(yōu)化

之前對 Flink 內(nèi)存的管理一直是一個比較頭疼的問題，尤其是在使用 RocksDB 時，因為一個 TaskManager 中可能存在多個 RocksDB 實例，不好估算內(nèi)存使用量，就導(dǎo)致經(jīng)常發(fā)生內(nèi)存超過限制被殺。

在新版上增加了一些內(nèi)存配置，例如 state.backend.rocksdb.memory.fixed-per-slot 可以輕松限制每個 slot的RocksDB 內(nèi)存的使用上限，避免了 OOM 的風(fēng)險。

三、挑戰(zhàn)與應(yīng)對

本次升級最大的挑戰(zhàn)是，如何保證 StreamSQL 的兼容性。StreamSQL 的目的就是為了對用戶屏蔽底層細節(jié)，能夠更加專注業(yè)務(wù)邏輯，而我們可以通過版本升級甚至更換引擎來提供更好的服務(wù)。保證任務(wù)的平滑升級是最基本的要求。

1. 內(nèi)部 patch 如何兼容

由于跨越多個版本架構(gòu)差距巨大，內(nèi)部 patch 基本無法直接合入，需要在新版本上重新實現(xiàn)。我們首先整理了所有的歷史 commit，篩選出那些必要的修改并且在新版上進行重新實現(xiàn)，目的是能覆蓋已有的所有功能，確保新版本能支持現(xiàn)有的所有任務(wù)需求。

例如：

• 新增或修改 Connectors 以支持公司內(nèi)部需要，例如 DDMQ（滴滴開源消息隊列產(chǎn)品），權(quán)限認證功能等。
• 新增 Formats 實現(xiàn)，例如 binlog，內(nèi)部日志采集格式的解析等。
• 增加 ADD JAR 語法，可以在 SQL 任務(wù)中引用外部依賴，比如 UDF JAR，自定義 Source/Sink。
• 增加 SET 語法，可以在 SQL 中設(shè)置 TableConfig，指導(dǎo)執(zhí)行計劃的生成

2. StreamSQL 語法兼容

社區(qū)在 1.4 版本時，FlinkSQL還處于比較初始的階段，也沒有原生的 DDL 語法支持，我們使用 Antlr 實現(xiàn)了一套自定義的 DDL 語法。但是在 Flink1.10 版本上，社區(qū)已經(jīng)提供了原生的 DDL 支持，而且與我們內(nèi)部的語法差別較大。現(xiàn)在擺在我們面前有幾條路可以選擇：

• 放棄內(nèi)部語法的支持，修改全部任務(wù)至新語法。（違背了平滑遷移的初衷，而且對已有用戶學(xué)習(xí)成本高）
• 修改 Flink 內(nèi)語法解析的模塊（sql-parser），支持對內(nèi)部語法的解析。（實現(xiàn)較為復(fù)雜，且不利于后續(xù)的版本升級）
• 在 sql-parser 之上封裝一層語法轉(zhuǎn)換層，將原本的 SQL 解析提取有效信息后，通過字符串拼接的方式組織成社區(qū)語法再運行。

最終我們選用了第三種方案，這樣可以最大限度的減少和引擎的耦合，作為插件運行，未來再有引擎升級完全可以復(fù)用現(xiàn)有的邏輯，能夠降低很多的開發(fā)成本。

例如：我們在舊版本上使用 "json-path" 的庫實現(xiàn)了 json 解析，通過在建表語句里定義類似 $.status 的表達式表示如何提取此字段。

新版本上原生的 json 類型解析可以使用 ROW 類型來表示嵌套結(jié)構(gòu)，在轉(zhuǎn)換為新語法的過程中，將原本的表達是解析為樹并構(gòu)建出新的字段類型，再使用計算列的方式提取出原始表中的字段，確保表結(jié)構(gòu)與之前一致。類型名稱、配置屬性也通過映射轉(zhuǎn)換為社區(qū)語法。

3. 兼容性測試

最后是測試階段，需要進行完善的測試確保所有任務(wù)都能做到平滑升級。我們原本的計劃是準備進行回歸測試，對已有的所有任務(wù)替換配置后進行回放，但是在實際操作中有很多問題：

• 測試流程過長，一次運行可能需要數(shù)個小時。
• 出現(xiàn)問題時不好定位，可能發(fā)生在任務(wù)的整個生命周期的任何階段。
• 無法驗證計算結(jié)果，即新舊版本語義是否一致

所以我們按任務(wù)的提交流程分成多個階段進行測試，只有在當(dāng)前階段能夠全部測試通過后后進入下一個階段測試，提前發(fā)現(xiàn)問題，將問題定位范圍縮小到當(dāng)前階段，提高測試效率。

• 轉(zhuǎn)換測試：對所有任務(wù)進行轉(zhuǎn)換，測試結(jié)果符合預(yù)期，抽象典型場景為單元測試。
• 編譯測試：確保所有任務(wù)可以通過 TablePlanner 生成執(zhí)行計劃，在編譯成 JobGraph，真正提交運行前結(jié)束。
• 回歸測試：在測試環(huán)境對任務(wù)替換配置后進行回放，確認任務(wù)可以提交運行
• 對照測試：對采樣數(shù)據(jù)以文件的形式提交至新舊兩個版本中運行，對比結(jié)果是否完全一致（因為部分任務(wù)結(jié)果不具有確定性，所以使用舊版本連續(xù)運行 2 次，篩選出確定性任務(wù)，作為測試用例）

四、引擎增強

除了對舊版本的兼容，我們也結(jié)合了新版本的特性，對引擎進行了增強。

1. Task-Load 指標

我們一直希望能精確衡量任務(wù)的負載狀況，使用反壓指標指標只能粗略的判斷任務(wù)的資源夠或者不夠。

結(jié)合新版的 Mailbox 線程模型，所有互斥操作全部運行在 TaskThread 中，只需統(tǒng)計出線程的占用時間，就可以精確計算任務(wù)負載的百分比。

未來可以使用指標進行任務(wù)的資源推薦，讓任務(wù)負載維持在一個比較健康的水平。

2. SubTask 均衡調(diào)度

在 FLIP-6 后，Flink 修改了資源調(diào)度模型，移除了--container 參數(shù)，slot 按需申請確保不會有閑置資源。但是這也導(dǎo)致了一個問題，Source 的并發(fā)數(shù)常常是小于最大并發(fā)數(shù)的，而 SubTask 調(diào)度是按 DAG 的拓撲順序調(diào)度，這樣 SourceTask 就會集中在某些 TaskManager 中導(dǎo)致熱點。

我們加入了"最小 slot 數(shù)"的配置，保證在 Flink session 啟動后立即申請相應(yīng)數(shù)量的 slot，且閑置時也不主動退出，搭配 cluster.evenly-spread-out-slots 參數(shù)可以保證在 slot 數(shù)充足的情況下，SubTask 會均勻分布在所有的 TaskManager 上。

3. 窗口函數(shù)增強

以滾動窗口為例 TUMBLE(time_attr, INTERVAL '1' DAY)，窗口為一天時開始和結(jié)束時間固定為每天 0 點 -24 點，無法做到生產(chǎn)每天 12 點-次日 12 點的窗口。

對于代碼可以通過指定偏移量實現(xiàn)，但是 SQL 目前還未實現(xiàn)，通過增加參數(shù) TUMBLE(time_attr, INTERVAL '1' DAY, TIME '12:00:00') 表示偏移時間為 12 小時。

還有另外一種場景，比如統(tǒng)計一天的 UV，同時希望展示當(dāng)前時刻的計算結(jié)果，例如每分鐘觸發(fā)窗口計算。對于代碼開發(fā)的方式可以通過自定義 Trigger 的方式?jīng)Q定窗口的觸發(fā)邏輯，而且 Flink 也內(nèi)置了一些 Tigger 實現(xiàn)，比如 ContinuousTimeTrigger 就很適合這種場景。所以我們又在窗口函數(shù)里增加了一種可選參數(shù)，代表窗口的觸發(fā)周期，TUMBLE(time_attr, INTERVAL '1' DAY, INTERVAL '1' MINUTES) 。

通過增加 offset 和 tiggger 周期參數(shù)（TUMBLE(time_attr, size[,offset_time][,trigger_interval])），拓展了 SQL 中窗口的使用場景，類似上面的場景可以直接使用 SQL 開發(fā)而不需要使用代碼的方式。

4. RexCall 結(jié)果復(fù)用

在很多 SQL 的使用場景里，會多次使用上一個計算結(jié)果，比如將 JSON 解析成 Map 并提取多個字段 。

雖然通過子查詢，看起來 json 解析只調(diào)用一次，但是經(jīng)過引擎的優(yōu)化后，通過結(jié)果表的投影 (Projection) 生成函數(shù)調(diào)用鏈 (RexCall)，結(jié)果類似：

這樣會導(dǎo)致 json 解析的計算重復(fù)運行了3次，即使使用視圖分割成兩步操作，經(jīng)過 Planner 的優(yōu)化一樣會變成上邊的樣子。

對于確定性 (isDeterministic=true) 的函數(shù)來說，相同的輸入一定代表相同的結(jié)果，重復(fù)執(zhí)行 3 次 json 解析其實是沒有意義的，如何優(yōu)化才能實現(xiàn)對函數(shù)結(jié)果的復(fù)用呢？

在代碼生成時，將 RexCall 生成的唯一標識（Digest）和變量符號的映射保存在 CodeGenContext 中，如果遇到 Digest 相同的函數(shù)調(diào)用，則可以復(fù)用已經(jīng)存在的結(jié)果變量，這樣解析 JSON 只需要執(zhí)行第一次，之后就可以復(fù)用第一次的結(jié)果。

五、總結(jié)

通過幾個月的努力，新版本已經(jīng)上線運行,并且作為 StreamSQL 的默認引擎，任務(wù)重啟后直接使用新版本運行。兼容性測試的通過率達到 99.9%，可以基本做到對用戶的透明升級。對于新接觸 StreamSQL 用戶可以使用社區(qū) SQL 語法進行開發(fā)，已有任務(wù)也可以修改 DML 部分語句來使用新特性?，F(xiàn)在新版本已經(jīng)支持了公司內(nèi)許多業(yè)務(wù)場景，例如公司實時數(shù)據(jù)倉庫團隊依托于新版本更強的表達能力和性能，承接了多種多樣的數(shù)據(jù)需求做到穩(wěn)定運行且與離線口徑保持一致。

版本升級不是我們的終點，隨著實時計算的發(fā)展，公司內(nèi)也有越來越多團隊需要使用 Flink 引擎, 也向我們提出了更多的挑戰(zhàn)，例如與 Hive 的整合做到將結(jié)果直接寫入 Hive 或直接使用 Flink 作為批處理引擎，這些也是我們探索和發(fā)展的方向，通過不斷的迭代向用戶提供更加簡單好用的流計算服務(wù)。

原文鏈接：https://developer.aliyun.com/article/781604?

版權(quán)聲明：本文內(nèi)容由阿里云實名注冊用戶自發(fā)貢獻，版權(quán)歸原作者所有，阿里云開發(fā)者社區(qū)不擁有其著作權(quán)，亦不承擔(dān)相應(yīng)法律責(zé)任。具體規(guī)則請查看《阿里云開發(fā)者社區(qū)用戶服務(wù)協(xié)議》和《阿里云開發(fā)者社區(qū)知識產(chǎn)權(quán)保護指引》。如果您發(fā)現(xiàn)本社區(qū)中有涉嫌抄襲的內(nèi)容，填寫侵權(quán)投訴表單進行舉報，一經(jīng)查實，本社區(qū)將立刻刪除涉嫌侵權(quán)內(nèi)容。

總結(jié)

以上是生活随笔為你收集整理的滴滴 Flink-1.10 升级之路的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。