这是我参与「第四届青训营 」笔记创作活动的第3天
Lect03. Exactly Once语义在Flink中的实现
01. 数据流和动态表
1.1 随处可见的流式数据
银行账单、GPS、物联网......
1.2 传统SQL和流处理
| 特征 | SQL | 流处理 |
|---|---|---|
| 举例 | 统计班级平均分，一个班的名单 | 银行处理账单 |
| 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
1.4 连续查询
- 查询从不终止
- 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
更新的内容不会更新之前的记录，只会向后追加
1.6 两个连续查询对比
流式查询：结果表的行为不同
查询运行中出现故障怎么办？
- 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
02. Exactly-Once和Checkpoint
2.1 状态快照与恢复
计算是有状态的。如何保证数据语义不丢不重？恢复时间点
奇数、偶数累加器
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
否则有的数据可能不会被处理
2.3 Chandy-Lamport算法
分布式制作快照算法
- 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。
所有算子都告知JM状态制作完成后.整个Checkpoint就结束了.
2.4 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过程中需要暂停处理数据，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。
03. Flink端到端的Exactly-once语义
3.1 端到端Exactly-once语义
不能容忍重复接收，数据只能下发一次
- 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 两阶段提交协议（一）- 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（对下游不可见）--- 预提交
- 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）
3.2.1 两阶段提交协议（二）- 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;（例：锁定账户，真正进行事务）
- 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vote 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中2PC Sink
Job Manager 负责中心管理
3.4 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JobManager收到所有预提交成功的消息，则向所有处理逻辑（包括sink)发送可以提交此次事务的消息，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。
问题：延迟很大，适合离线数据、银行数据量不是很大的情况
