【Flink网络数据传输（3）】RecordWriter的能力：实现数据分发策略或广播到下游InputChannel

StreamTask节点中的中间结果数据元素最终通过RecordWriterOutput实现了网络输出，RecordWriterOutput底层依赖RecordWriter组件完成数据输出操作，接下来我们深入了解RecordWriter的设计和实现。

一.创建RecordWriter实例都做了啥

在StreamTask构造器方法中会直接创建RecordWriter实例，用于输出当前任务产生的Intermediate Result数据。

1. 根据recordWrites数量创建不同的代理类

其中createRecordWriterDelegate根据recordWrites的数量创建对应的RecordWriterDelegate代理类。

protected StreamTask(  
        Environment environment,  
        @Nullable TimerService timerService,  
        Thread.UncaughtExceptionHandler uncaughtExceptionHandler,  
        StreamTaskActionExecutor actionExecutor,  
        TaskMailbox mailbox)  
        throws Exception {
        ...
	this.recordWriter = createRecordWriterDelegate(configuration, environment);
	...
	
}
//1. 如果recordWrites数量等于1，则创建SingleRecordWriter代理类；
//2. 如果recordWrites数量等于0，则创建NonRecordWriter代理类；
//3. 其他情况则创建MultipleRecordWriters代理类。

@VisibleForTesting  
public static <OUT>  
        RecordWriterDelegate<SerializationDelegate<StreamRecord<OUT>>>  
                createRecordWriterDelegate(  
                        StreamConfig configuration, Environment environment) {  
    List<RecordWriter<SerializationDelegate<StreamRecord<OUT>>>> recordWrites =  
            createRecordWriters(configuration, environment);  
    if (recordWrites.size() == 1) {  
        return new SingleRecordWriter<>(recordWrites.get(0));  
    } else if (recordWrites.size() == 0) {  
        return new NonRecordWriter<>();  
    } else {  
        return new MultipleRecordWriters<>(recordWrites);  
    }  
}

2. 创建RecordWriters

获取StreamTask的所有输出边放到RecordWriters中，返回创建的RecordWriter集合。

private static <OUT> List<RecordWriter<SerializationDelegate<StreamRecord<O
       UT>>>> createRecordWriters(
      StreamConfig configuration,
      Environment environment) {
   // 创建RecordWriter集合
   List<RecordWriter<SerializationDelegate<StreamRecord<OUT>>>> recordWriters = 
       new ArrayList<>();
   // 获取输出的StreamEdge(所有的输出边)
   List<StreamEdge> outEdgesInOrder = 
       configuration.getOutEdgesInOrder(environment.getUserClassLoader());
   // 获取chainedConfigs参数
   Map<Integer, StreamConfig> chainedConfigs = configuration.
  getTransitiveChainedTaskConfigsWithSelf(environment.getUserClassLoader());
   // 遍历输出节点，分别创建RecordWriter实例
   for (int i = 0; i < outEdgesInOrder.size(); i++) {
      StreamEdge edge = outEdgesInOrder.get(i);
      recordWriters.add(
         createRecordWriter(
            edge,
            i,
            environment,
            environment.getTaskInfo().getTaskName(),
            chainedConfigs.get(edge.getSourceId()).getBufferTimeout()));
   }
   return recordWriters;
}

3. 单个RecordWriter的创建细节

看单个RecordWriter的创建过程，包括分区策略、缓存结果的ResultPartition、最后通过RecordWriterBuilder创建RecordWriter、以及设定MetricGroup监控RecordWriter指标并输出。

1. 创建outputPartitioner：StreamPartitioner分区策略会被应用在RecordWriter中，例如DataStream.rebalance()操作就会创建RebalancePartitioner作为StreamPartitioner的实现类，并通过RebalancePartitioner选择下游InputChannel，实现数据元素按照指定的分区策略下发。
2. ResultPartition： ResultPartition内部会在本地存储需要下发的Buffer数据，并等待下游节点向上游节点发送数据消费请求。
3. 通过RecordWriterBuilder创建RecordWriter，在创建过程中会设定outputPartitioner、bufferTimeout以及bufferWriter等参数。
4. 为RecordWriter设定MetricGroup，用于监控指标的采集和输出。

private static <OUT> RecordWriter<SerializationDelegate<StreamRecord<OUT>>> 
       createRecordWriter(
      StreamEdge edge,
      int outputIndex,
      Environment environment,
      String taskName,
      long bufferTimeout) {
   @SuppressWarnings("unchecked")
   // 获取边上的StreamPartitioner
   StreamPartitioner<OUT> outputPartitioner = 
       (StreamPartitioner<OUT>) edge.getPartitioner();
   LOG.debug("Using partitioner {} for output {} of task {}", 
             outputPartitioner, outputIndex, taskName);
   // 获取ResultPartitionWriter
   ResultPartitionWriter bufferWriter = environment.getWriter(outputIndex);
   // 初始化Partitioner
   if (outputPartitioner instanceof ConfigurableStreamPartitioner) {
      int numKeyGroups = bufferWriter.getNumTargetKeyGroups();
      if (0 < numKeyGroups) {
         ((ConfigurableStreamPartitioner) outputPartitioner).configure(numKeyGroups);
      }
   }
   // 创建RecordWriter
   RecordWriter<SerializationDelegate<StreamRecord<OUT>>> output = 
       new RecordWriterBuilder<SerializationDelegate<StreamRecord<OUT>>>()
      .setChannelSelector(outputPartitioner)
      .setTimeout(bufferTimeout)
      .setTaskName(taskName)
      .build(bufferWriter);
   // 设定MetricGroup监控
   output.setMetricGroup(environment.getMetricGroup().getIOMetricGroup());
   return output;
}

二. RecordWriter包含的主要组件

RecordWriter内部主要包含RecordSerializer和ResultPartitionWriter两个组件。

• RecordSerializer用于对输出到网络中的数据进行序列化操作，将数据元素序列化成Bytes[]二进制格式，维护Bytes[]数据中的startBuffer及position等信息。
• ResultPartitionWriter是ResultPartition实现的接口，提供了将数据元素写入ResultPartiton的方法，例如addBufferConsumer()方法就是将RecordSerializer序列化的BufferConsumer数据对象添加到ResultPartition队列并进行缓存，供下游InputGate消费BufferConsumer对象。

1. RecordWriter两种实现类分别实现分发策略和广播

RecordWriter主要有两种实现类：ChannelSelectorRecordWriter和BroadcastRecordWriter。

• ChannelSelectorRecordWriter根据ChannelSelector选择下游节点的InputChannel，ChannelSelector内部基于StreamPartitoner获取不同的数据下发策略，最终实现数据重分区。
• BroadcastRecordWriter对应广播式数据下发，即数据元素会被发送到下游所有的InputChannel中。当用户执行了Broadcast操作时，就会创建BroadcastRecordWriter实现数据元素的广播下发操作。

如代码：通过RecordWriterBuilder创建RecordWriter，此时会根据selector.isBroadcast()条件选择创建ChannelSelectorRecordWriter还是BroadcastRecordWriter实例。

public RecordWriter<T> build(ResultPartitionWriter writer) {
   if (selector.isBroadcast()) {
      return new BroadcastRecordWriter<>(writer, timeout, taskName);
   } else {
      return new ChannelSelectorRecordWriter<>(writer, selector, timeout, taskName);
   }
}

2. ChannelSelectorRecordWriter的发送策略

ChannelSelectorRecordWriter控制数据元素发送到下游的哪些InputChannel中。如代码，调用channelSelector.selectChannel(record)选择下游的InputChannel。

对于非广播类型的分区器，最终都会创建ChannelSelectorRecordWriter实现StreamRecord数据的下发操作。

public void emit(T record) throws IOException, InterruptedException {
   emit(record, channelSelector.selectChannel(record));
}

2.1. ChannelSelector根据实现类实现不同发送策略

ChannelSelector的实现类主要有StreamPartitioner、RoundRobinChannelSelector和OutputEmitter三种。

• StreamPartitioner：DataStream API中物理操作指定的分区器，例如当用户调用DataStream.rebalance()方法时，会创建RebalencePartitioner。在StreamTask执行的过程中，会获取相应的StreamPartitioner应用在ChannelSelectorRecordWriter中，实现对数据元素分区的选择。
• RoundRobinChannelSelector：ChannelSelector的默认实现类，提供了对Round-Robin策略的支持，以轮询的方式随机选择一个分区输出数据元素。
• OutputEmitter：适用于BatchTask，须配合ShipStrategyType使用，通过ShipStrategyType执行的策略输出数据。

2. BroadcastRecordWriter广播所有元素到下游InputChannel

BroadcastRecordWriter的实现就比较简单了，在BroadcastRecordWriter中不需要ChannelSelector组件选择数据元素分区，直接将所有的数据元素广播发送到下游所有InputChannel中即可。