先自我介绍一下,小编浙江大学毕业,去过华为、字节跳动等大厂,目前阿里P7
深知大多数程序员,想要提升技能,往往是自己摸索成长,但自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
因此收集整理了一份《2024年最新大数据全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友。
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上大数据知识点,真正体系化!
由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新
如果你需要这些资料,可以添加V获取:vip204888 (备注大数据)
正文
Flink 的 Checkpoint 总结
1、简介
1)概述
Flink中的每个函数和运算符都可以有状态,状态中存储计算的中间结果。
状态可以用于容错,在任务被动失败或者主动重启时,可以通过 Checkpoint 或 Savepoint 从先前的状态中恢复计算数据,以保证数据计算的 ExactlyOnec(精准一次)或 AtleastOnce (至少一次)。
2)检查点算法
1.Barrier对齐: 一个Task 收到 所有上游 同一个编号的 barrier之后,才会对自己的本地状态做 备份
精准一次: 在barrier对齐过程中,barrier后面的数据 阻塞等待(不会越过barrier)
至少一次: 在barrier对齐过程中,先到的barrier,其后面的数据 不阻塞 接着计算
2.非Barrier对齐: 一个Task 收到 第一个 barrier 时,就开始 执行备份,能保证 精准一次
先到的barrier,将 本地状态 备份, 其后面的数据接着计算输出
未到的barrier,其 前面的数据 接着计算输出,同时 也保存到 备份中
最后一个barrier到达 该Task时,这个Task的备份结束
2、前提
1) ExactlyOnec(精准一次)
上游:可以重发数据(如:消息队列:Kafka\分布式文件系统:HDFS)
下游:支持幂等性(如:Doris 支持去重)
2) AtleastOnce(至少一次)
上游:可以重发数据(如:消息队列:Kafka\分布式文件系统:HDFS)
3、启用检查点
StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
// 启用 Checkpoint 每 5 秒 一次,模式为 EXACTLY_ONCE
env.enableCheckpointing(5000, CheckpointingMode.EXACTLY_ONCE);
4、常用配置参数
1)最终检查点
// 最终检查点,1.15开始,默认是true
configuration.set(ENABLE_CHECKPOINTS_AFTER_TASKS_FINISH, false);
2)开启 Changelog
// 要求checkpoint的最大并发必须为1
env.enableChangelogStateBackend(true);
3)代码中用到HDFS,需要导入hadoop依赖、指定访问HDFS的用户名
System.setProperty("HADOOP_USER_NAME", "HADOOP");
4)开启非对齐检查点(barrier非对齐)
// 开启的要求: Checkpoint模式必须是精准一次,最大并发必须设为1
**网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。**
**需要这份系统化的资料的朋友,可以添加V获取:vip204888 (备注大数据)**
![img](https://img-blog.csdnimg.cn/img_convert/14e0a2d75907f9d8299cf4fa99deb7c2.png)
**一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!**
W3-1713284043009)]
**一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!**