为含接口字段的类在Flink中实现TypeInformation的疑问

我的Flink程序通过Kafka主题接收嵌套程度较高的JSON数据，会反序列化为多处使用接口（结合JsonSubTypes实现多态）的Java类层级结构。我打算用TypeInformation.createSerializer来实现该类型的JSON序列化/反序列化，但有两个疑问：

1. 不知道getArity和getTotalFields方法该返回什么值，目前试了返回1，测试暂时正常，但不确定后续会不会出问题。
2. 只给层级结构里的顶层对象写序列化/反序列化器够不够？还是每个类都要写？怎么判断Flink会不会把某个类存入状态？我希望只持久化DataStream<...>参数类型的类，是不是真的这样？

补充说明 #

因为Kafka传入的消息也是Flink程序里的主要使用类型，我想统一序列化/反序列化逻辑，这和状态模式迁移以及消息中JsonSubTypes部分导致的Kryo兼容性问题有关。

我自己维护了一处状态：

val stateDescriptor = new MapStateDescriptor<>(
        "RulesBroadcastState",
        new StringSerializer(),
        new RuleTypeSerializer());

RuleTypeSerializer是TypeSerializer类型，用Jackson实现，目前运行正常。

Flink程序其他部分用到了多个有状态操作/键控状态。我理解让Flink对这类状态使用自定义SerDe的唯一方式是用@TypeInfo注解，它接受一个TypeInfoFactory来实例化TypeInformation。

另外，有没有让Flink使用自定义序列化器的其他方法？

关于getArity和getTotalFields的返回值 #

• getArity：表示类型的“元数”，对于把整个对象当作单个整体序列化的场景，返回1完全合理。这个值主要用于Flink的内部优化（比如判断是否支持字段级操作），如果你的序列化器是将对象作为不可拆分的整体处理，返回1不会引发后续问题。
• getTotalFields：表示类型包含的总字段数，同样，若你是整体序列化对象，返回1没问题。如果后续需要支持字段级访问（比如CEP、SQL中用到对象内部字段），可能需要调整该值，但仅做整体序列化/反序列化和状态存储的话，返回1完全可行。

序列化/反序列化器的范围判断 #

• 仅给顶层对象写序列化器足够吗？如果你的顶层序列化器（基于Jackson）已经配置好处理整个类层级的多态逻辑（通过JsonSubTypes注解），那么不需要给每个子类单独编写序列化器。Jackson会根据配置的多态注解自动处理子类的序列化/反序列化，只要顶层序列化器的ObjectMapper正确包含了所有子类的类型信息。
• 如何判断Flink是否会将某个类存入状态？Flink会把所有参与有状态操作的数据类型存入状态，比如：
  • 键控状态（ValueState、ListState等）中存储的类型
  • 窗口操作里聚合的中间结果类型
  • 广播状态中的类型（比如你维护的RulesBroadcastState）
  • 状态后端快照涉及的所有类型
• 只持久化DataStream<...>参数类型的想法不成立——只要某个类型被用于有状态操作的状态存储，就会被持久化。比如如果DataStream元素的嵌套子类被存在键控状态里，该子类也会被序列化存储。

自定义SerDe的其他方式 #

除了@TypeInfo注解+TypeInfoFactory，还有这些方式可以让Flink使用自定义序列化器：

1. 直接在StateDescriptor中指定：就像你维护RulesBroadcastState的方式，创建StateDescriptor时直接传入自定义TypeSerializer，适合单独的状态实例。
2. 全局注册到ExecutionConfig：在StreamExecutionEnvironment中通过env.getConfig().registerTypeSerializer(YourType.class, new YourTypeSerializer())全局注册类型对应的序列化器，所有用到该类型的地方都会自动使用这个序列化器。
3. 使用@Serializer注解：在Java类上直接标注@Serializer(YourTypeSerializer.class)，Flink会自动用该序列化器处理该类型。注意这个注解属于Flink内部API，可能存在版本兼容性问题。
4. 替换默认序列化框架：通过配置让Flink全局使用Jackson作为默认序列化器，但需要确保所有类型都能被Jackson正确处理，适合全量统一序列化逻辑的场景。

内容的提问来源于stack exchange，提问作者dashambles