flink 1.11.2 keyby 更换partition

[Peihui He]

hi，all

请问可以更改keyby的hash partition 不? 现在发现这个hash partition不能均匀的分配key。

KeyGroupRangeAssignment.assignKeyToParallelOperator(stringToMd5(asset_id),
128, parallesism)

用这个方法测试，即使个asset_id 转换为MD5都不能均匀分配。

相反，用最最简单的 Math.abs(asset_id.hashcode() % parallesism ) 就可以平均的分配key。


Best Regards.

[Zhang Yuxiao]

你好，

你看看 DataStream 类中的 partitionCustom 方法是否能够符合你的需求？
________________________________
发件人: Peihui He <[hidden email]>
发送时间: 2020年10月30日 下午 07:23
收件人: [hidden email] <[hidden email]>
主题: flink 1.11.2 keyby 更换partition

hi，all

请问可以更改keyby的hash partition 不? 现在发现这个hash partition不能均匀的分配key。

KeyGroupRangeAssignment.assignKeyToParallelOperator(stringToMd5(asset_id),
128, parallesism)

用这个方法测试，即使个asset_id 转换为MD5都不能均匀分配。

相反，用最最简单的 Math.abs(asset_id.hashcode() % parallesism ) 就可以平均的分配key。


Best Regards.

[Peihui He]

hi，

已经尝试过了，通过partitionCustom 返回的是datastream，如果后面接cep的化，并发度就是1了，性能更不上。

Best Wishes.

Zhang Yuxiao <[hidden email]> 于2020年10月31日周六 上午9:38写道：

> 你好，
>
> 你看看 DataStream 类中的 partitionCustom 方法是否能够符合你的需求？
> ________________________________
> 发件人: Peihui He <[hidden email]>
> 发送时间: 2020年10月30日 下午 07:23
> 收件人: [hidden email] <[hidden email]>
> 主题: flink 1.11.2 keyby 更换partition
>
> hi，all
>
> 请问可以更改keyby的hash partition 不? 现在发现这个hash partition不能均匀的分配key。
>
> KeyGroupRangeAssignment.assignKeyToParallelOperator(stringToMd5(asset_id),
> 128, parallesism)
>
> 用这个方法测试，即使个asset_id 转换为MD5都不能均匀分配。
>
> 相反，用最最简单的 Math.abs(asset_id.hashcode() % parallesism ) 就可以平均的分配key。
>
>
> Best Regards.
>

[Congxian Qiu]

Hi
    不太明白你这里问题，如果是说按照 Md5 进行 keyby 不均匀，直接用 hashcode keyby 会更均匀的话，是不是直接把计算
md5 的逻辑改成计算 hashcode 的逻辑就行了
Best,
Congxian


Peihui He <[hidden email]> 于2020年11月2日周一 上午10:01写道：

> hi，
>
> 已经尝试过了，通过partitionCustom 返回的是datastream，如果后面接cep的化，并发度就是1了，性能更不上。
>
> Best Wishes.
>
> Zhang Yuxiao <[hidden email]> 于2020年10月31日周六 上午9:38写道：
>
> > 你好，
> >
> > 你看看 DataStream 类中的 partitionCustom 方法是否能够符合你的需求？
> > ________________________________
> > 发件人: Peihui He <[hidden email]>
> > 发送时间: 2020年10月30日 下午 07:23
> > 收件人: [hidden email] <[hidden email]>
> > 主题: flink 1.11.2 keyby 更换partition
> >
> > hi，all
> >
> > 请问可以更改keyby的hash partition 不? 现在发现这个hash partition不能均匀的分配key。
> >
> >
> KeyGroupRangeAssignment.assignKeyToParallelOperator(stringToMd5(asset_id),
> > 128, parallesism)
> >
> > 用这个方法测试，即使个asset_id 转换为MD5都不能均匀分配。
> >
> > 相反，用最最简单的 Math.abs(asset_id.hashcode() % parallesism ) 就可以平均的分配key。
> >
> >
> > Best Regards.
> >
>

[Peihui He]

Hi,

不好意思，我这边误导。
现在的情况是这样的

用这个方法测试
KeyGroupRangeAssignment.assignKeyToParallelOperator(asset_id,
KeyGroupRangeAssignment .computeDefaultMaxParallelism（ parallelism ）,
parallelism)
发现不是很均匀（ job暂时并发度是103，这样的话默认maxParallelism 就256 了
），下游key的数量能够相差100多。后来通过设置 maxParallelism和parallelism相等比按默认的
KeyGroupRangeAssignment .computeDefaultMaxParallelism（ parallelism
） 这种方式好多了。


请问下后续会扩展keyby接口不？keyby 可以根据自定义partition，然后返回keyedstream。


Best Wishes.



Congxian Qiu <[hidden email]> 于2020年11月2日周一 下午1:52写道：

> Hi
>     不太明白你这里问题，如果是说按照 Md5 进行 keyby 不均匀，直接用 hashcode keyby 会更均匀的话，是不是直接把计算
> md5 的逻辑改成计算 hashcode 的逻辑就行了
> Best,
> Congxian
>
>
> Peihui He <[hidden email]> 于2020年11月2日周一 上午10:01写道：
>
> > hi，
> >
> > 已经尝试过了，通过partitionCustom 返回的是datastream，如果后面接cep的化，并发度就是1了，性能更不上。
> >
> > Best Wishes.
> >
> > Zhang Yuxiao <[hidden email]> 于2020年10月31日周六 上午9:38写道：
> >
> > > 你好，
> > >
> > > 你看看 DataStream 类中的 partitionCustom 方法是否能够符合你的需求？
> > > ________________________________
> > > 发件人: Peihui He <[hidden email]>
> > > 发送时间: 2020年10月30日 下午 07:23
> > > 收件人: [hidden email] <[hidden email]>
> > > 主题: flink 1.11.2 keyby 更换partition
> > >
> > > hi，all
> > >
> > > 请问可以更改keyby的hash partition 不? 现在发现这个hash partition不能均匀的分配key。
> > >
> > >
> >
> KeyGroupRangeAssignment.assignKeyToParallelOperator(stringToMd5(asset_id),
> > > 128, parallesism)
> > >
> > > 用这个方法测试，即使个asset_id 转换为MD5都不能均匀分配。
> > >
> > > 相反，用最最简单的 Math.abs(asset_id.hashcode() % parallesism ) 就可以平均的分配key。
> > >
> > >
> > > Best Regards.
> > >
> >
>

[Congxian Qiu]

Hi
    自定义的 KeySelector[1] 能否满足呢?
[1]
https://ci.apache.org/projects/flink/flink-docs-release-1.11/dev/stream/state/state.html#keyed-datastream

Best,
Congxian


Peihui He <[hidden email]> 于2020年11月2日周一 下午2:56写道：

> Hi,
>
> 不好意思，我这边误导。
> 现在的情况是这样的
>
> 用这个方法测试
> KeyGroupRangeAssignment.assignKeyToParallelOperator(asset_id,
> KeyGroupRangeAssignment .computeDefaultMaxParallelism（ parallelism ）,
> parallelism)
> 发现不是很均匀（ job暂时并发度是103，这样的话默认maxParallelism 就256 了
> ），下游key的数量能够相差100多。后来通过设置 maxParallelism和parallelism相等比按默认的
> KeyGroupRangeAssignment .computeDefaultMaxParallelism（ parallelism
> ） 这种方式好多了。
>
>
> 请问下后续会扩展keyby接口不？keyby 可以根据自定义partition，然后返回keyedstream。
>
>
> Best Wishes.
>
>
>
> Congxian Qiu <[hidden email]> 于2020年11月2日周一 下午1:52写道：
>
> > Hi
> >     不太明白你这里问题，如果是说按照 Md5 进行 keyby 不均匀，直接用 hashcode keyby 会更均匀的话，是不是直接把计算
> > md5 的逻辑改成计算 hashcode 的逻辑就行了
> > Best,
> > Congxian
> >
> >
> > Peihui He <[hidden email]> 于2020年11月2日周一 上午10:01写道：
> >
> > > hi，
> > >
> > > 已经尝试过了，通过partitionCustom 返回的是datastream，如果后面接cep的化，并发度就是1了，性能更不上。
> > >
> > > Best Wishes.
> > >
> > > Zhang Yuxiao <[hidden email]> 于2020年10月31日周六 上午9:38写道：
> > >
> > > > 你好，
> > > >
> > > > 你看看 DataStream 类中的 partitionCustom 方法是否能够符合你的需求？
> > > > ________________________________
> > > > 发件人: Peihui He <[hidden email]>
> > > > 发送时间: 2020年10月30日 下午 07:23
> > > > 收件人: [hidden email] <[hidden email]>
> > > > 主题: flink 1.11.2 keyby 更换partition
> > > >
> > > > hi，all
> > > >
> > > > 请问可以更改keyby的hash partition 不? 现在发现这个hash partition不能均匀的分配key。
> > > >
> > > >
> > >
> >
> KeyGroupRangeAssignment.assignKeyToParallelOperator(stringToMd5(asset_id),
> > > > 128, parallesism)
> > > >
> > > > 用这个方法测试，即使个asset_id 转换为MD5都不能均匀分配。
> > > >
> > > > 相反，用最最简单的 Math.abs(asset_id.hashcode() % parallesism ) 就可以平均的分配key。
> > > >
> > > >
> > > > Best Regards.
> > > >
> > >
> >
>

[Peihui He]

Hi,

我理解是不能的。
假设现在 asset_id 有如下数据
0
1
2
3
4
5
6
7
8
9
假设我通过自定义KeySelector，设定key
为Integer，调用KeyGroupRangeAssignment.assignKeyToParallelOperator(asset_id,
10, 10) 这个方法后,并不是我希望的0在0号partition，1在1号partition.结果如下（partition，count）：
(1,2)
(3,1)
(4,3)
(5,3)
(8,1)
因为

public static int computeKeyGroupForKeyHash(int keyHash, int maxParallelism) {
   return MathUtils.murmurHash(keyHash) % maxParallelism;
}

  MathUtils.murmurHash 会对integer 做二次计算的。

Best Wishes.

Congxian Qiu <[hidden email]> 于2020年11月2日周一 下午3:19写道：

> Hi
>     自定义的 KeySelector[1] 能否满足呢?
> [1]
>
> https://ci.apache.org/projects/flink/flink-docs-release-1.11/dev/stream/state/state.html#keyed-datastream
>
> Best,
> Congxian
>
>
> Peihui He <[hidden email]> 于2020年11月2日周一 下午2:56写道：
>
> > Hi,
> >
> > 不好意思，我这边误导。
> > 现在的情况是这样的
> >
> > 用这个方法测试
> > KeyGroupRangeAssignment.assignKeyToParallelOperator(asset_id,
> > KeyGroupRangeAssignment .computeDefaultMaxParallelism（ parallelism ）,
> > parallelism)
> > 发现不是很均匀（ job暂时并发度是103，这样的话默认maxParallelism 就256 了
> > ），下游key的数量能够相差100多。后来通过设置 maxParallelism和parallelism相等比按默认的
> > KeyGroupRangeAssignment .computeDefaultMaxParallelism（ parallelism
> > ） 这种方式好多了。
> >
> >
> > 请问下后续会扩展keyby接口不？keyby 可以根据自定义partition，然后返回keyedstream。
> >
> >
> > Best Wishes.
> >
> >
> >
> > Congxian Qiu <[hidden email]> 于2020年11月2日周一 下午1:52写道：
> >
> > > Hi
> > >     不太明白你这里问题，如果是说按照 Md5 进行 keyby 不均匀，直接用 hashcode keyby
> 会更均匀的话，是不是直接把计算
> > > md5 的逻辑改成计算 hashcode 的逻辑就行了
> > > Best,
> > > Congxian
> > >
> > >
> > > Peihui He <[hidden email]> 于2020年11月2日周一 上午10:01写道：
> > >
> > > > hi，
> > > >
> > > > 已经尝试过了，通过partitionCustom 返回的是datastream，如果后面接cep的化，并发度就是1了，性能更不上。
> > > >
> > > > Best Wishes.
> > > >
> > > > Zhang Yuxiao <[hidden email]> 于2020年10月31日周六 上午9:38写道：
> > > >
> > > > > 你好，
> > > > >
> > > > > 你看看 DataStream 类中的 partitionCustom 方法是否能够符合你的需求？
> > > > > ________________________________
> > > > > 发件人: Peihui He <[hidden email]>
> > > > > 发送时间: 2020年10月30日 下午 07:23
> > > > > 收件人: [hidden email] <[hidden email]>
> > > > > 主题: flink 1.11.2 keyby 更换partition
> > > > >
> > > > > hi，all
> > > > >
> > > > > 请问可以更改keyby的hash partition 不? 现在发现这个hash partition不能均匀的分配key。
> > > > >
> > > > >
> > > >
> > >
> >
> KeyGroupRangeAssignment.assignKeyToParallelOperator(stringToMd5(asset_id),
> > > > > 128, parallesism)
> > > > >
> > > > > 用这个方法测试，即使个asset_id 转换为MD5都不能均匀分配。
> > > > >
> > > > > 相反，用最最简单的 Math.abs(asset_id.hashcode() % parallesism ) 就可以平均的分配key。
> > > > >
> > > > >
> > > > > Best Regards.
> > > > >
> > > >
> > >
> >
>