「Exactly Once 语义在 Flink 中的实现」笔记|青训营笔记
1.流式数据---比如银行存钱取钱服务/GPS/物流网
2.在上图中，流数据--转换为Dynamic Table---连续查询--产生Dynamic Table---转换为另一种数据流---写出。流-表可动态转换。
3.动态表可在任意时刻视为静态表
4.流数据处理中，查询运行中出现故障---对应不同的数据处理有不同的语义（1）At-most-once：无额外操作，出现数据丢失，能保证所有时间处理时间流，对数据处理最高效，对数据要求不高的场景、数据量大，可适用。结果能得到比较好的近似。 （2）At-least-once:保证数据不丢失，每条数据都进行正常的消费，但是某些数据可能出现重复消费，语义增强。 (3)Exactly-once:最严格的语义，每条数据都会消费，且一次，且不会丢失，像是故障没有发生一样。
5.上图中，Source算子读取数据流，sum_even偶数累加器，sum_odd奇数累加器，进行备份---三个计算的算子---保存--对数据做到不丢不重。状态保存的计算点。
6.保证故障产生和恢复对整体没影响，特殊的机制引入---Checkpoint---在出现故障时，可以很好的应对，保留自身状态，减少整条状态的恢复。
7.两阶段提交协议---有多个端点的分布式协议，事务性（全部执行or全部不执行）需要保存原则性。预提交阶段--并不真的提交，成功或者失败都会发一条信息，协作者收到所有反馈，到提交阶段，所有参与节点都执行，释放保护资源，发生ack的信息。如果超时故障，直接认为工作成功，回滚操作。保证所有节点都能执行操作或者都不能执行操作。
8.Kafka--无限消息队列--二维数组（有序）
