大数据Flink--详细的Exactly Once 语义在 Flink 中的实现

Exactly Once 语义在 Flink 中的实现

1.数据流和动态表

1.1 随处可见的流式数据

1.2 传统SQL和流处理

特征SQL流处理处理数据的有界性处理的表是有界的流是一个无限元组序列处理数据的完整性执行查询可以访问完整的数据执行查询无法访问所有的数据执行时间批处理查询产生固定大小结果后终止查询不断更新结果，永不终止
1.3 数据流和动态表转换

Stream -> Dynamic Table -> Continuous Query -> Dynamic Table -> Stream

动态表：与表示批处理数据的静态表不同，动态表是随时间变化的。可以像查询静态批处理表一样查询它们。

(1)数据流和动态表之间的转换；
(2)在数据流的查询不会终止；
(3)查询可能会有状态，用来不断更新查询的结果。

1.4 连续查询

连续查询：

(1)查询从不终止
(2)查询结果会不断更新，产生一个新的动态表

在任何时候，连续查询的结果在语义上与以批处理模式在输入表快照上执行的相同查询的结果相同。

1.5 查询产生仅追加数据的动态表
查询只附加到结果表，即结果表的changelog 流只包含INSERT操作
1.6 两个连续查询对比
虽然这两个示例查询看起来非常相似（都计算分组计数聚合），但它们在一个重要方面不同：
1.第一个查询更新先前输出的结果，即定义结果表的changelog 流包含INSERT和UPDATE操作；
2.第二个查询只附加到结果表，即结果表的changelog 流只包含INSERT操作。
1.7 Retract 消息的产生
1.8 状态
需要存储每个用户的 URL 计数，以便能够增加该计数并在输入表接收新行时发送新结果。
1.9 不同数据处理保证的语义

At-most-once：出现故障的时候，啥也不做。数据处理不保证任何语义，处理时延低；
At-least-once：保证每条数据均至少被处理一次，一条数据可能存在重复消费。
Exactly-once：最严格的处理语义，从输出结果来看，每条数据均被消费且仅消费一次，仿佛故障从未发生。

2.Exacty-once 和 Checkpoint

2.1 状态快照与恢复
2.2 制作快照的时间点

状态恢复的时间点：需要等待所有处理逻辑消费完成source 保留状态及之前的数据。
一个简单的快照制作算法：

暂停处理输入的数据；
等待后续所有处理算子消费当前已经输入的数据；
待2处理完后，作业所有算子复制自己的状态并保存到远端可靠存储；
恢复对输入数据的处理。

2.3 Chandy-Lamport 算法
2.3.1 快照制作的开始
每一个 source 算子都接收到 JM 发送的 Checkpoint Barrier 标识状态快照制作的开始。
2.3.2 Source 算子的处理
各个 source 保存自己状态后，向所有连接的下游继续发送 Checkpoint Barier，同时告知 JM 自己状态已经制作完成。
2.3.3 Barrier Alignment

算子会等待所有上游的barrier到达后才开始快照的制作；
已经制作完成的上游算子会继续处理数据，并不会被下游算子制作快照的过程阻塞。

2.3.4 快照制作和处理数据的解耦
2.3.5 checkpoint 的结束
所有算子都告知 JM 状态制作完成后，整个 Checkpoint 就结束了。

Checkpoint 对作业性能的影响

解耦了快照制作和数据处理过程，各个算子制作完成状态快照后就可以正常处理数据，不用等下游算子制作制作完成快照；
在快照制作和Barrier Alignment 过程中需要处现数据，仍然会增加数据处理延迟；
快照保存到远端也有可能极为耗时。

3.Flink 端到端的 Exacty-Once 语义

3.1 端到端 Exactly-once 语义

Checkpoint 能保证每条数据都对各个有状态的算子更新一次，sink输出算子仍然可能下发重复的数据；
严格意义的端到端的Exactly-once语义需要特殊的sink 算子实现。

3.2 两阶段提交协议

在多个节点参与执行的分布式系统中，为了协调每个节点都能同时执行或者回滚某个事务性的操作，引入了一个中心节点来统一处理所有节点的执行逻辑，这个中心节点叫做协作者（coordinator），被中心节点调度的其他业务节点叫做参与者（participant）。
3.2.1 预提交阶段

协作者向所有参与者发送一个commit消息；
每个参与的协作者收到消息后，执行事务，但是不真正提交；
若事务成功执行完成，发送一个成功的消息（vote yes）；执行失败，则发送一个失败的消息（vote no）

3.2.2 提交阶段

若协作者成功接收到所有的参与者 vote yes 的消息：

协作者向所有参与者发送一个 commit 消息；
每个收到 commit 消息的参与者释放执行事务所需的资源，并结束这次事务的执行；
完成步骤2后，参与者发送一个 ack 消息给协作者；
协作者收到所有参与者的 ack 消息后，标识该事务执行完成。

若协作者有收到参与者 vate no 的消息（或者发生等待超时）：

协作者向所有参与者发送一个 rollback 消息；
每个收到 rollback 消息的参与者回滚事务的执行操作，并释放事务所占资源；
完成步骤2后，参与者发送一个 ack 消息给协作者；
协作者收到所有参与者的 ack 消息后，标识该事务成功完成回滚。

3.3 Flink 两阶段提交总结

事务开启：在 sink task 向下游写数据之前，均会开启一个事务，后续所有写数据的操作均在这个事务中执行，事务未提交前，事务写入的数据下游不可读；
预提交阶段：JobManager 开始下发 Checkpoint Barrier，当各个处理逻辑接收到 barrier 后停止处理后续数据，对当前状态制作快照，此时 sink 也不在当前事务下继续处理数据（处理后续的数据需要新打开下一个事务）。状态制作成功则向JM成功的消息，失败则发送失败的消息；
提交阶段：若 JM 收到所有预提交成功的消息，则向所有处理逻辑（包括 sink）发送可以提交此次务的消息，sink 接收到此消息后，则完成此次事务的提交，此时下游可以读到这次事务写入的数据；若 JM 有收到预提交失败的消息，则通知所有处理逻辑回滚这次事务的操作，此时 sink 则丢弃这次事务提交的数据下。