Flink容错机制

flink是流处理，数据是在不停的进入并计算，如果出现故障，那么之前所做的计算将销毁。

利用检查点可以将之前的数据和计算结果进行保存。

Flink容错机制的主要内容

1. 检查点（checkpoint）
2. 从检查点恢复状态
3. Flink 检查点算法
4. 保存点（save points）

1.检查点 (checkpoint)

将之前的数据和运算结果进行保存,存档就是检查点。

在出现故障时将系统重置回正确状态。

• Flink故障恢复机制的核心，就是应用状态的一致性检查点
• 有状态流应用的一致检查点，其实就是所有任务的状态，在某个时间点的一份拷贝（一份快照）；这个时间点，应该是所有任务都恰好处理完一个相同的输入数据的时候

2.从检查点恢复状态

在执行流应用程序期间，Flink会定期保存状态的一致检查点

如果发生故障，Flink将会使用最近的检查点来一致恢复应用程序的状态，并重新启动处理流程

遇到故障后，第一步就是重新启动

1.重新启动

2. checkpoint 中读取状态，将状态重置

从检查点重新启动应用程序后，其内部状态与检查点完成时的状态完全相同

3.开始消费并处理检查点到发生故障之间的所有数据

这种检查点的保存和恢复机制可以为应用程序提供“精确一次”（exactly-once）的一致性，因为所有的算子都会保存检查点并恢复其所有的状态，这样一来所有的输入流就都会被重置到检查点完成时的位置

3 . 检查点的实现算法

• 暂停应用，保存状态到检查点，再重新恢复应用
• 基于Chandy-Lamport 算法的分布式快照
• 将检查点的保存和数据处理分离开，不暂停整个应用

4 . Flink 检查点算法

4.1 检查点分界线（Checkpoint Barrier）

Flink 的检查点算法用到了一种称为分界线（barrier）的特殊形式，用来吧一条流上数据按照不同的检查点分开

分界线之前来的数据导致的状态更改，都会被包含在当前分界线所属的检查点中；而基于分界线之后的数据导致的所有更改，就会被包含在之后的检查点中

现在是一个有两个输入流的应用程序，用并行的两个Source任务来读取

JobManager 会向每个 source 任务发送一条带有新检查点ID的消息，通过这种方式来启动检查点

数据源将它们的状态写入检查点，并发出一个检查点barrier

状态后端在状态存入检查点之后，会返回通知给source任务，source任务就会向JobManager确认检查点完成

分界线对齐：barrier向下游传递，sum任务会等待所有输入分区的barrier到达

对于barrier已经到达的分区，继续到达的数据会被缓存

而barrier尚未到达的分区，数据会被正常处理

当收到所有输入分区的barrier时，任务就将其状态保存到状态后端的检查点中，然后将barrier继续向下游转发

向下游转发检查点barrier后，任务继续正常的处理数据

Sink 任务向 JobManager 确认状态保存到checkpoint 完毕

当所有任务都确认已成功将状态保存到检查点时，检查点就真正完成了

5.保存点（Savepoints ）

• Flink 还提供了可以自定义的镜像保存功能，就是保存点（savepoints）
• 原则上，创建保存点使用的算法与检查点完全相同，因此保存点可以认为就是具有一些额外元数据的检查点
• Flink 不会自动创建保存点，因此用户（或者外部调度程序）必须明确地触发创建操作
• 保存点是一个强大的功能。除了故障恢复外，保存点可以用于：有计划的手动备份，更新应用程序，版本迁移，暂停和重启应用等等。