这是我参与「第四届青训营 」笔记创作活动的第2天

Exactly Once 语义在 Flink 中的实现 | 青训营笔记

1. 数据流和动态表

知识回顾 传统sql和流处理

• 如何在实时数据流中定义 SQL 语义中的表？

  • 动态表 ： 随时间不断变化的表，在任意时刻，可以像查询静态批处理表一样查询它们

• 实时流的查询特点？

  • 查询从不终止
  • 查询结果会不断更新，并且会产生一个新的动态表
  • 结果的动态表也可转换成输出的实时流

• 动态表到实时流的转换

  • Append-only Stream: Append-only 流（只有 INSERT 消息）
  • Retract Stream: Retract 流（同时包含 INSERT 消息和 DELETE 消息）

• Upsert Stream:: Upsert 流（同时包含 UPSERT 消息和 DELETE 消息）

• 算子状态

  •   在流式计算中，会存在有状态的计算逻辑（算子），有状态的算子典型处理逻辑如下图所示：

  比如，需要计算某个用户在网上的点击量，该用户在网站当前的总点击次数就是算子状态，对于新的输入数据，先判断是否是该用户的点击行为，如果是，则将保留的点击次数（状态）增加一，并将当前累加结果输出。

• 数据流和动态表的转换关系图

2. Exactly-Once 和 Checkpoint

2.1 一致性保证语义

• At-most-once：每条数据消费至多一次，处理延迟低

• At-least-once：每条数据消费至少一次，一条数据可能存在重复消费

• Exactly-once：每条数据都被消费且仅被消费一次，仿佛故障从未发生

2.2 Checkpoint

• check point对作业性能的影响

• Checkpoint 并不阻塞算子数据处理
• Checkpoint ACK和制作完成

3. 端到端 Exactly-Once 实现

1. 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
2. 严格意义上的端到端 exactly-once 语义需要特殊的sink算子来实现

3.1 两阶段提交协议（2PC）

两阶段提交协议

协作者 ：同步和协调所有节点处理逻辑的中心节点

参与者 ：被中心节点调度的其他执行处理逻辑的业务节点

3.2 两阶段提交协议在 Flink 中的应用

• Flink 中2PC Sink
• 协作者和参与者的角色分配

• 1. 协作者（JM）发起阶段 提交

• 2. 各算子制作

• 3. 提交阶段：checkpoint制作完成

flink 两阶段提交协议总结

4. 课程总结

• 数据流和动态表可以互换
• 动态无限数据流算子可以有状态
• flink通过checkpoint机制来实现故障前后状态恢复及快照制作
• 两阶段提交协议：结合flink checkpoint机制 实现了严格意义的端到端 exactly-once语义