Physical Partitioning in Flink S

一、Physical partitioning

• 在一个transformation之后，Flink也提供了底层API以允许用户在必要时精确控制流分区。
• 所谓的Physical partitioning（或operator partition）就是operator parallel instance即SubTask。
• Flink allows us to perform physical partitioning of the stream data. You have an option to
  provide custom partitioning. Let us have a look at the different types of partitioning.

1、Custom partitioning

• As mentioned earlier, you can provide custom implementation of a partitioner.
• While writing a custom partitioner you need make sure you implement an efficient hash function.

2、Shuffle (Random partitioning 随机）

• Random partitioning randomly partitions data streams in an evenly（均匀） manner.

3、Rebalancing partitioning(均匀 via round robin method)

• This type of partitioning helps distribute the data evenly. It uses a round robin method for distribution. This type of partitioning is good when data is skewed.
  rebalance.jpg

4、Rescaling

Rescaling is used to distribute the data across operations, perform transformations on sub-sets of data and combine them together. This rebalancing happens over a single node only, hence it does not require any data transfer across networks.

5、Broadcasting（动态规则更新）

• Broadcasting distributes all records to each partition. This fans out each and every element to all partitions.

二、比较

1、shuffle VS rebalance(来自stackoverflow)

正如文档所述，shuffle将随机分发数据，而rebalance将以循环方式分发数据。后者更有效，因为您不必计算随机数。而且，根据随机性，你最终可能会得到某种不那么均匀的分布。

另一方面，rebalance将始终开始将第一个元素发送到第一个通道。因此，如果您只有少量元素（元素少于子任务），那么只有部分子任务将接收元素，因为您总是开始将第一个元素发送到第一个子任务。在流式传输的情况下，这最终无关紧要，因为你通常有一个无界的输入流。

两种方法存在的实际原因是历史原因。shuffle首先介绍。为了使批处理的流API更加相似，rebalance然后介绍了。

2、Rescaling(低配版Rebalance, 无需网络传输)

以round-robin方式对元素分区到下游operations。如果你想从source的每个并行实例分散到若干个mappers以负载均衡，但是你不期望rebalacne()那样进行全局负载均衡，这将会有用。这将仅需要本地数据传输，而不是通过网络传输数据，具体取决于其他配置值，例如TaskManager的插槽数。

上游operation所发送的元素被分区到下游operation的哪些子集，取决于上游和下游操作的并发度。例如，如果上游operation并发度为2，而下游operation并发度为6，则其中1个上游operation会将元素分发到3个下游operation，另1个上游operation会将元素分发到另外3个下游operation。相反地，如果上游operation并发度为6，而下游operation并发度为2，则其中3个上游operation会将元素分发到1个下游operation，另1个上游operation会将元素分发到另外1个下游operation。

在上下游operation的并行度不是彼此的倍数的情况下，下游operation对应的上游的operation输入数量不同。

image.png