目录
检查点:
检查点通过允许恢复状态和相应的流位置使Flink中的状态容错,从而为引用程序提供无故障执行相同的语义。
--Flink中每个函数和运算符都是有状态的(有关详细信息,请参阅state)。有状态函数在各个元素/事件处理中存储数据,使状态成为任何类型的复杂操作的关键构件块。
为了使状态容错,Flink需要检查状态。将检查点允许Flink恢复流中的状态和位置,从而为应用程序提供无故障执行相同的语义。挂关于流容错的文档详细描述了Flink的流容错机制背后的技术。
------先决条件
>Flink的检查点机制与流和状态持久存储交互。一般来说,它需要:
一个持久(或耐用,可以重放记录在一定量的事件)的数据源。这些源的示例是持久消息队列.(例如,Kafka,RabbitMQ。。。)或文件系统(例如,HDFS,S3,GF3,NFS....)
状态的持久存储,通常是分布式文件系统(例如,HDFS,S3,GF3,NFS)
启用和配置检查点:
默认情况下,禁用检查点。为了使检查点,调用enableCheckpointing(n)上StreamExecutionEnvironment,其中N是以毫秒为单位的检查点间隔。
检查点的其它参数包括:
1.完全一次与至少一次;您可以选择将模式传递给enableCheckpointing(n)方法,已在两个保证级别之间进行选择。对于大多数应用来说,恰好一次是优选的。至少一次可能与某些超低延迟(始终未几毫秒)的应用程序相关。
2.checkpoint timeout(检查点超时):如果当前检查点未完成,则终止检查点的时间。
3.检查点之间的最短时间:为确保流应用程序在检查点之间取得一定的进展,可以定义检查点之间需要经过多长时间。如果将此值设置为例如5000,则无论检查点持续时间和检查点间隔如何,下一个检查点将在上一个检查点完成后的5秒内启动。请注意,这意味着检查点间隔永远不会小于此参数。通过定义“检查点之间的时间”而不是检查点间隔来配置应用程序通常更容易,因为“检查点之间的时间”不易受检查单有时需要比平均时间更长的事实的影响(“例如,如果在目标存储系统暂时很慢”)。请注意,此值还表示并发检查点的数量为一。
4.并发检查点:默认情况下,当一个检查点仍处于运行状态时,系统不会触发另一个检查点。这可确保拓扑不会再检查点上花费过多的时间,也不会在处理流方面取得进展。可以允许多个重叠检查点,这对于具有特定处理延迟的管道(例如,因为函数调用需要一段时间来相应的外部服务)而感兴趣,但是仍然希望执行非常频繁的检查点(100毫秒)在失败时重新处理很好。
当定义检查点之间的最短时间时,不能使用此选项。
5.外部化检查点:您可以将外围检查点配置为外部持久化。外部化检查点将其元数据写入持久存储,并且在作业失败时不会自定清除。这样,如果您的工作失败,您将有一个检查点可以从中recovery。有关外部化检查点的部署说明中有更多的详细信息。
6.关于检查点错误的fail/continue:这确定如果在执行任务的检查点过程中发生错误,任务是否将失败。这是默认行为。或者,当禁用此选项时,任务将简单地拒绝检查点并继续运行。
scala
val env = StreamExecutionEnvironment.getExecutionEnvironment()
// start a checkpoint every 1000ms
env.enableCheckpointing(1000)
// advanced options:
// set mode to exactly-once (this is the default)
env.getCheckpointConfig.setChecckpointingMode(CheckpointingMode.EXACTLY_ONCE)
// make sure 500ms of progress happen between checkpoints
env.getCheckpointConfig.setMinPausBetweenCheckpoints(500)
// checkpoints have to complete within one minute,or are discarded
env.getCheckpointConfig.setCheckpointTimeOut(60000)
// prevent the tasks from failing if an error happens in their checkpointing,the checkpoint will just be declined
env.getCheckpointConfig.setFailTaskOnCheckpointingError(false)
// allow only one checkpoint to be in progress at the same time
env.getCheckpointConfig.setMaxConcurrentCheckpoints(1)
相关的配置选项:
key | 默认 | 说明 |
state.backend | (none) | 状态后台用于存储和检查点状态 |
state.backend.async | true | 选择状态后台是否应在可能和可配置的情况下使用异步SNAPSHOT方法。某些状态后台可能不支持异步SNAPSHOT,或者仅支持异步SNAPSHOT,并忽略此选项。 |
state.backend.fs.memory-threshold | 1024 | 状态数据文件的最小大小。由于改制的所有状态都内联存储在根检查点元数据文件中。 |
state.backend.incremental | false | 如果可能,选择状态后台是否应创建增量检查点。对于增量检查点,仅存储来自先前检查点的差异,而不是完整的检查点状态,某些状态后台可能不支持增量检查并忽略此选项。 |
state.backend.local-recovery | false | |
state.checkpoints.dir | (none) | 用于在Flink支持的文件系统中存储检查点的数据文件和元数据的默认目录。必须可以从所有参与的进程/节点(即所有TM和JobManagers)访问存储路径。 |
state.checkpoint.num-retained | 1 | 要retained的已完成检查点的最大数量 |
state.savepoint.dir | (none) | 保存点的默认目录。由将后台写入文件系统的状态后台(MemoryStateBackend,FsStateBackend,RocksDBStateBackendd)使用 |
taskmanager.state.local.root-dirs | (none) |
选择状态后台:
Flink的检查点机制存储定时器和有状态算子中是所有的一致的SNAPSHOT,包括连接器,窗口和任何用户定义的状态。存储检查点的位置(例如,JobManager内存,文件系统,数据库)取决于配置的状态后台。
默认情况下,状态保存在TM的内存中,检查点存储在JobManager的内存中。为了适当持久化大状态,Flink支持在其它状态后台中存储和检查点状态的各种方法。可以通过配置状态后台的选择StreamExecutionEnvironment.setSatteBackend(...)
有关可用状态后台的详细信息以及作业范围和集群范围配置的选项,请参阅状态后台:
迭代作业中的状态检查点:
Flink目前仅为没有迭代的作业提供处理保证。在迭代作业上启用检查点会导致异常,为了强制对迭代程序进行检查点,用户在启用检查点时需要设置一个特殊标志:env.enableCheckpointing(interval,force = true)。
请注意,在失败期间,循环边缘中的记录(以及与它们相关的状态变化)将丢失。
重启策略:
Flink支持不同的重启策略,循环边缘中的记录(以及与他们相关的状态变化)将丢失。