视频回放：点击这里

ChunJun 开源项目地址：github 丨 gitee 喜欢我们的项目给我们点个__ STAR！STAR！！STAR！！！（重要的事情说三遍）__

本期我们带大家回顾一下六六同学的直播分享《ChunJun 数据传输模块介绍》。

一、ChunJun 数据类型转换

1、类型转换解决的问题

大家一听到「ChunJun 数据类型转换」这个概念，可能会联想到上下游之间进行数据交互时会涉及到的隐式转换。如果上游和下游数据类型一致，则不需要对数据进行任何干预，直接进行下发即可。

但是大多数情况下会涉及到两个问题，一是上游的数据源类型和下游的数据源类型不一致。比如 MySql 的 varchar 类型要写到 HdfsOrc 文件里的 string 类型的话，在上游的表示是 varchar，在下游的表示是 string，但实际上中间段 java 的类型都是 string。

另外一种情况则是，上下游之间不止数据源类型不一样，数据类型也不一样，除了要做类型的映射之外，还需要对数据本身进行改动。比如，MySql 的 date 类型要写到下游 timestamp 类型，我们需要进行的操作是把 date 中的毫秒级的时间戳拿出来，转换成 timestamp 的类型，再往下游去写。

这样就引出了一个问题，如何建立所有数据源类型之间的映射 / 转换关系？下面将为大家解答这个问题。

2、类型映射概览

・client 端：在 Factory 类中通过 RawConverter 类建立映射关系

・source 端：将数据封装成 AbstractBaseColumn

・sink 端：通过 AbstractBaseColumn 中的转换方法将数据转换成对应类型

ChunJun 目前支持的数据类型映射关系图如下：

3、类型映射详解

以 Timestamp 为例，如果要写入到 Long 类型的话，根据上文展示的 ChunJun 数据类型映射关系图，最终映射到 TimestampColumn 中，具体流程如下图：

上面这个例子描述的是一个单独的字段，正常情况下，会处理多个字段，这时的类型映射详解情况如下图：

as 方法就是数据类型转换的方法。使用这个机制之后，在下游可以只关心需要的数据类型，增加开发效率。

二、ChunJun 数据传输过程

了解完 ChunJun 数据类型转换后，我们来为大家分享 ChunJun 的数据传输过程。

1、上下游数据传输方式

在 ChunJun 中进行同步作业，有两种情况，一是算子链打开的情况，上游的 Source 和下游的 Sink 会被合并成一个 task，有同一个线程去做调度；二是把算子链进行关闭，Source 和 Sink 各自形成一个 task，也有各自的线程去进行调度。

在算子链打开的情况下，上下游数据传输方式可分为两种，对象重用和拷贝。

● 对象重用

・上下游数据传输使用方法调用的形式，将上游产生的数据的对象引用直接交给下游

・上下游算子需要形成算子链，作业开启对象重用

· env.getConfig().enableObjectReuse();

● 拷贝

・上游传输给下游的数据，需要经过一次深拷贝

・上下游算子需要形成算子链

算子链的好处是可以减少序列化的操作，那么为什么我们还要引入序列化呢？因为 ChunJun 的特殊性。ChunJun 同步作业的话，只有上下游两个算子，且都对接了正式的数据源，读写的时候会导致线程堵塞。因此上限由网络 io 决定，如果断开算子链，cpu 会在一端线程阻塞的时候切换到另外一端。在序列化的性能较高时，线程上下文切换带来的性能下降完全可以被弥补。

经过测试，序列化的性能比对象重用和拷贝高 30% 左右。

● 序列化

・上下游数据传输依赖于网络传输。上游数据进行序列化成 byte 数组后进行网络传输，下游收到数据后需要进行反序列化

・上下游之间不形成算子链

知道要做序列化后，会产生一些思考，带着这些疑问，接着往下看。

・序列化和反序列化在什么时候发生？

・Flink 支持哪些序列化？

・序列化是怎么做的？

・怎么找到适合的序列化方式？

・如何实现自定义的序列化？

2、序列化传输过程

下图是 ChunJun 在进行序列化操作时的数据传输链路图：

3、DataOutView

4、TypeInformation 介绍

5、kryo 序列化 & BaseSerializer

同样是序列化一个 int 对象，对 kryo 来说，首先需要知道它的类型，然后从高位到低位依次去写入。

DataOutputView 则是直接调用一个 writeInt 的方法，写一句关键代码即可：

UNSAFE.putInt(

this.buffer,

BASE_OFFSET + this.position, v);

三、ChunJun 序列化实现

1、ColumnRowData 序列化过程

ColumnRowData 序列化过程采取标志位 + 实际数据的方式，具体流程如下图：

相对于 kryo 的序列化来说：

・实现了更密集的存储

・兼容 null 值

・减少了不必要的数据传输

2、BinaryRowData 结构

因为数据区一格只占 8 个字节，且每个 index 只能占到一位，所以肯定存在一些没法存储在 8 字节范围之内的数据，可变长度部分就是用来存放数据区无法存放的数据。

3、BinaryRowData-setNull 操作

看到上文的 null 值判断区，有些同学可能会好奇这是什么，又是怎么进行操作的。下图将对一个下标为 11 的数据去做 setnull 操作，进行简单介绍：

4、BinaryRowData 数据存储方式