Apache flink 如何跨州划分数据

我在一本书中读到

Flink为每个keyvalue维护一个状态实例，并将具有相同密钥的所有记录分区到

维护此密钥状态的操作员任务

我的问题是:

假设我有4个任务，每个任务有2个插槽。 还有一个密钥属于95%的数据

---

这是否意味着95%的数据被路由到同一台机器？

是的，这确实意味着。如果您有一个热键，那么按键分区就不能很好地扩展

在某些情况下，有办法绕过这一限制。例如，如果您正在计算分析（例如，您想计算每页每分钟的页面浏览量，一页获得95%的页面浏览量），您可以进行预聚合——将热键的工作拆分到多个并行实例中，然后对部分结果进行最后的非并行缩减。（这只是标准的map/reduce逻辑。）

这被称为“数据倾斜”，它是各地可扩展应用程序的祸根

也有可能整个（100%）负载都流向同一台机器。不能保证数据通过密钥尽可能均匀地分布，只能保证每个密钥在一台机器上进行处理。从技术上讲，每个密钥映射到一个密钥组（密钥组的数量是拓扑的最大并行度），每个密钥组由特定的操作符实例处理

---

处理这种情况的一种方法是向键添加第二个字段，从而产生更多可能的键，并可能减少键之间的数据倾斜。然后，只使用一个原始键将结果聚合到后续运算符中。

有什么不同的处理方法吗？我已经对答案进行了一些扩展。