目录
3 Flink内部如何保持一致性---checkpoint检查点
1 状态一致性的分级
at most once :故障发生之后,计数结果可能丢失
at least once :表示计数结果可能大于正确值,但绝不会小于正确值。也就是说,计数程序在发生故障后可能多算,但是绝不会少算。
exactly once : 这指的是系统保证在发生故障后得到的计数结果与正确值一致。
2 端到端状态一致性
端到端的一致性保证,意味着结果的正确性贯穿了整个流处理应用的始终;每一个组件都保证了它自己的一致性,整个端到端的一致性级别取决于所有组件中一致性最弱的组件。
具体可以划分如下:
- source端 —— 需要外部源可重设数据的读取位置
- flink内部 —— 依赖checkpoint
- sink端 —— 需要保证从故障恢复时,数据不会重复写入外部系统
而对于sink端,又有两种具体的实现方式:幂等(Idempotent)写入和事务性(Transactional)写入。
3 Flink内部如何保持一致性---checkpoint检查点
3.1 Flink的检查点算法
异步分界线快照算法(之所以是异步是因为处理数据与checkpoint的生成是异步的无需,无需牺牲过多的性能)
过程:
1)生成一个检查点分界线(barrier)在source之前,随着数据流的传递性往下传递;
2)每个算子,在接受到barrier的时候,会触发快照操作(保存快照状态)
3)每个Task,在完成快照操作后,会通知JobManager
4) 当所有的Task完成快照操作后,JobManger会通知:ck检查点备份完成,实现数据的两次提交操作。
3.2 Barrier对齐
1)假设source算子的并行度为2 ,map算子的并行度的为1
2)map算子先接受到source1数据流对应的barrier,此时停止处理source1后续的数据,放在数据缓冲区种
3)当map算子接受到source2数据流对应的barrier(即所有的barrier),此时会触发map的状态备份。
4)备份完成后,处理缓冲区中的数据,之后继续往下流。
3.3 Barrier不对齐
上述第(2)步不会停止对source1后续数据的处理,因此会造成at least once的现象