如何使用Reactor完成類似Flink的操作

Posted on by

一、背景

Flink在處理流式任務的時候有很大的優勢，其中windows等操作符可以很方便的完成聚合任務，但是Flink是一套獨立的服務，業務流程中如果想使用需要將數據發到kafka，用Flink處理完再發到kafka，然後再做業務處理，流程很繁瑣。

比如在業務代碼中想要實現類似Flink的window按時間批量聚合功能，如果純手動寫代碼比較繁瑣，使用Flink又太重，這種場景下使用響應式編程RxJava、Reactor等的window、buffer操作符可以很方便的實現。

響應式編程框架也早已有瞭背壓以及豐富的操作符支持，能不能用響應式編程框架處理類似Flink的操作呢，答案是肯定的。

本文使用Reactor來實現Flink的window功能來舉例，其他操作符理論上相同。文中涉及的代碼：github

二、實現過程

Flink對流式處理做的很好的封裝，使用Flink的時候幾乎不用關心線程池、積壓、數據丟失等問題，但是使用Reactor實現類似的功能就必須對Reactor運行原理比較瞭解，並且經過不同場景下測試，否則很容易出問題。

下面列舉出實現過程中的核心點：

1、創建Flux和發送數據分離

入門Reactor的時候給的示例都是創建Flux的時候同時就把數據賦值瞭，比如：Flux.just、Flux.range等，從3.4.0版本後先創建Flux，再發送數據可使用Sinks完成。有兩個比較容易混淆的方法：

  • Sinks.many().multicast() 如果沒有訂閱者，那麼接收的消息直接丟棄
  • Sinks.many().unicast() 如果沒有訂閱者，那麼保存接收的消息直到第一個訂閱者訂閱
  • Sinks.many().replay() 不管有多少訂閱者，都保存所有消息

在此示例場景中，選擇的是Sinks.many().unicast()

官方文檔：https://projectreactor.io/docs/core/release/reference/#processors

2、背壓支持

上面方法的對象背壓策略支持兩種：BackpressureBuffer、BackpressureError，在此場景肯定是選擇BackpressureBuffer，需要指定緩存隊列，初始化方法如下：Queues.get(queueSize).get()

數據提交有兩個方法：

  • emitNext 指定提交失敗策略同步提交
  • tryEmitNext 異步提交，返回提交成功、失敗狀態

在此場景我們不希望丟數據，可自定義失敗策略，提交失敗無限重試，當然也可以調用異步方法自己重試。

 Sinks.EmitFailureHandler ALWAYS_RETRY_HANDLER = (signalType, emitResult) -> emitResult.isFailure();

在此之後就就可以調用Sinks.asFlux開心的使用各種操作符瞭。

在此之後就就可以調用Sinks.asFlux開心的使用各種操作符瞭。

3、窗口函數

Reactor支持兩類窗口聚合函數：

  • window類：返回Mono(Flux)
  • buffer類：返回List

在此場景中，使用buffer即可滿足需求，bufferTimeout(int maxSize, Duration maxTime)支持最大個數，最大等待時間操作，Flink中的keys操作可以用groupBy、collectMap來實現。

4、消費者處理

Reactor經過buffer後是一個一個的發送數據，如果使用publishOn或subscribeOn處理的話，隻等待下遊的subscribe處理完成才會重新request新的數據，buffer操作符才會重新發送數據。如果此時subscribe消費者耗時較長，數據流會在buffer流程阻塞，顯然並不是我們想要的。

理想的操作是消費者在一個線程池裡操作，可多線程並行處理，如果線程池滿，再阻塞buffer操作符。解決方案是自定義一個線程池，並且當然線程池如果任務滿submit支持阻塞，可以用自定義RejectedExecutionHandler來實現：

 RejectedExecutionHandler executionHandler = (r, executor) -> {
   try {
     executor.getQueue().put(r);
   } catch (InterruptedException e) {
     Thread.currentThread().interrupt();
     throw new RejectedExecutionException("Producer thread interrupted", e);
   }
 };
 
 new ThreadPoolExecutor(poolSize, poolSize,
     0L, TimeUnit.MILLISECONDS,
     new SynchronousQueue<>(),
     executionHandler);

三、總結

1、總結一下整體的執行流程

提交任務：提交數據支持同步異步兩種方式，支持多線程提交，正常情況下響應很快，同步的方法如果隊列滿則阻塞。
豐富的操作符處理流式數據。
buffer操作符產生的數據多線程處理：同步提交到單獨的消費者線程池，線程池任務滿則阻塞。
消費者線程池：支持阻塞提交，保證不丟消息，同時隊列長度設置成0，因為前面已經有隊列瞭。
背壓：消費者線程池阻塞後，會背壓到buffer操作符，並背壓到緩沖隊列，緩存隊列滿背壓到數據提交者。

2、和Flink的對比

實現的Flink的功能：

  • 不輸Flink的豐富操作符
  • 支持背壓，不丟數據

優勢：

  • 輕量級，可直接在業務代碼中使用

劣勢：

  • 內部執行流程復雜，容易踩坑，不如Flink傻瓜化
  • 沒有watermark功能，也就意味著隻支持無序數據處理
  • 沒有savepoint功能，雖然我們用背壓解決瞭部分問題，但是宕機後開始會丟失緩存隊列和消費者線程池裡的數據，補救措施是添加Java Hook功能
  • 隻支持單機，意味著你的緩存隊列不能設置無限大，要考慮線程池的大小，且沒有flink globalWindow等功能
  • 需考慮對上遊數據源的影響，Flink的上遊一般是mq，數據量大時可自動堆積，如果本文的方案上遊是http、rpc調用，產生的阻塞影響就不能忽略。補償方案是每次提交數據都使用異步方法，如果失敗則提交到mq中緩沖並消費該mq無限重試。

四、附錄

本文源碼地址：https://github.com/sofn/reactor-window-like-flink

Reactor官方文檔：https://projectreactor.io/docs/core/release/reference/

Flink文檔：https://ci.apache.org/projects/flink/flink-docs-stable/

Reactive操作符：http://reactivex.io/documentation/operators.html

以上就是如何使用Reactor完成類似Flink的操作的詳細內容，更多關於使用Reactor完成類似Flink的操作的資料請關註WalkonNet其它相關文章！

推薦閱讀：