正确使用Flink广播流以及记录Flink做checkpoints失败情况

最近在做项目的时候,涉及到这样的一个场景,就是要把一个比较小并且不会经常改动的表作为维表,和实时流进行匹配。这张表是MySQL中的一个表,我的第一反应就是读取这张表进行广播。

不优雅的广播流使用

简要代码如下:

val env = StreamExecutionEnvironment.getExecutionEnvironment
val broadcastMysql = env.addSource(new SourceFromMySQL).map(x=>Poi(x._1,x._2)).broadcast(new MapStateDescriptor[String,Poi]("broadcast-state",BasicTypeInfo.STRING_TYPE_INFO,TypeInformation.of(new TypeHint[Poi] {})))
val kafkaDs = env.addSource(new FlinkKafkaConsumer011("flinkTest", new JSONKeyValueDeserializationSchema(false), properties))
val resultDs = kafkaDs.connect(broadcastMysql).process()

我用这种写法写完之后在本地测试没有任何问题,流数据和维表数据也能匹配到,但是正当我觉得万事大吉扔到集群上跑时,却出了问题。

使用广播流造成的写入检查点失败

当我在集群上跑这个任务时,却发现了如下错误:

Checkpoint triggering task XXX of job XXX is not in state RUNNING but
FINISHED instead. Aborting checkpoint.

然后去Flink WebUI查看Checkpoints信息,也是没有的,但我明明设置了ck,为什么提交不成功呢?经过反复排查,最后定位到了问题:
因为我用上面的方式,去mysql中读取一个有界流进行广播变量,那么在程序运行时,当程序读完mysql中的表时,这个task就会被标记为 FINISHED,就像下面这样:

在这里插入图片描述
而我去查看源码:org.apache.flink.runtime.checkpoint.CheckpointCoordinator的triggerCheckpoint方法就不难发现:

// check if all tasks that we need to trigger are running.
// if not, abort the checkpoint
Execution[] executions = new Execution[tasksToTrigger.length];
	for (int i = 0; i < tasksToTrigger.length; i++) {
			Execution ee = tasksToTrigger[i].getCurrentExecutionAttempt();
			if (ee == null) {
				LOG.info("Checkpoint triggering task {} of job {} is not being executed at the moment. Aborting checkpoint.",
						tasksToTrigger[i].getTaskNameWithSubtaskIndex(),
						job);
				throw new CheckpointException(CheckpointFailureReason.NOT_ALL_REQUIRED_TASKS_RUNNING);
			} else if (ee.getState() == ExecutionState.RUNNING) {
				executions[i] = ee;
			} else {
				LOG.info("Checkpoint triggering task {} of job {} is not in state {} but {} instead. Aborting checkpoint.",
						tasksToTrigger[i].getTaskNameWithSubtaskIndex(),
						job,
						ExecutionState.RUNNING,
						ee.getState());
				throw new CheckpointException(CheckpointFailureReason.NOT_ALL_REQUIRED_TASKS_RUNNING);
			}
		}

我们可以看到在checkpoint时会判断每个Execution的State,当State不为RUNNING时直接报出Checkpoint triggering task {} of job {} is not in state {} but {} instead. Aborting checkpoint.并结束triggerCheckpoint。

所以可以知道,是我广播流的用法,使一个Execution的State为FINISHED,所以checkpoints失败。

优雅使用广播流

既然这样,那我们从问题的根本出发,想要使用广播流,但不能让ck失败,那么我们的广播流这个任务必须要维持在一个running的状态。
所以我们在这里通常广播一条无界流,例如规则信息在一个kafka topic里,然后从另一个kafka topic里实时读取明细信息,两者进行匹配。

val rule = env.addSource(new FlinkKafkaConsumer011(topic1, new SimpleStringSchema(), kafkaPro1))
val event = env.addSource(new FlinkKafkaConsumer011(topic2, new SimpleStringSchema(), kafkaPro2))
val ruleBroadcast = rule.broadcast(new MapStateDescriptor[String,String]("broadcast-state",BasicTypeInfo.STRING_TYPE_INFO,BasicTypeInfo.STRING_TYPE_INFO))
event.connect(ruleStream).process()...

当然,我们也可以在RichFlatMap或者BroadcastProcessFunction的open方法中加载,避免出现Execution为finished状态。

  • 2
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值