Flink 分布式缓存广播变量区别

「爱情、让人受尽委屈。」 2021-09-24 11:38 332阅读 0赞

### 区别: ###

1.广播变量是基于内存的,是将变量分发到各个worker节点的内存上（避免多次复制，节省内存）

2.分布式缓存是基于磁盘的,将文件copy到各个节点上,当函数运行时可以在本地文件系统检索该文件（避免多次复制，提高执行效率）

## 分布式缓存： ##

Flink提供了一个分布式缓存，类似于hadoop，可以使用户**在并行函数中很方便的读取本地文件，并把它放在taskmanager节点中，防止task重复拉取。**  
此缓存的工作机制如下：程序注册一个文件或者目录(本地或者远程文件系统，例如hdfs或者s3)，通过ExecutionEnvironment注册缓存文件并为它起一个名称。  
**当程序执行，Flink自动将文件或者目录复制到所有taskmanager节点的本地文件系统，仅会执行一次。**用户可以通过这个指定的名称查找文件或者目录，然后从taskmanager节点的本地文件系统访问它。

[Flink 分布式缓存 实例][Flink _]

### Broadcast 广播变量： ###

一句话解释，可以理解为是一个公共的共享变量，**我们可以把一个dataset 数据集广播出去，然后不同的任务在节点上都能够获取到，这个数据在每个节点上只会存在一份。如果不使用broadcast，则在每个节点中的每个任务中都需要拷贝一份dataset数据集，比较浪费内存(也就是一个节点中可能会存在多份dataset数据)。**

注意：

1：广播出去的变量存在于每个节点的内存中，所以这个数据集不能太大，避免发生OOM。因为广播出去的数据，会常驻内存，除非程序执行结束。

2：广播变量在初始化广播出去以后不支持修改，这样才能保证每个节点的数据都是一致的。

个人建议：如果数据集在几十兆或者百兆的时候，可以选择进行广播，如果数据集的大小上G的话，就不建议进行广播了。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L05vY2xpbWJNb25rZXk_size_16_color_FFFFFF_t_70]

[Flink 广播变量 实例][Flink _ 1]

[Flink _]: https://mp.csdn.net/console/editor/html/106951506
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L05vY2xpbWJNb25rZXk_size_16_color_FFFFFF_t_70]: /images/20210923/24b9951043024fd8813a3c81f19bedba.png
[Flink _ 1]: https://mp.csdn.net/console/editor/html/106951518