这是我参与「第四届青训营 」笔记创作活动的第3天

传统的SQL处理与流处理的对比

特征	SQL	流处理
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

数据流和动态表转换

• 动态表：在mysql等数据库中表是静态的，而在Flink SQL中由于数据流源源不断的进入，因此表是实时更新的，我们把这样的表叫做动态表，在任意时刻，可以像查询静态批处理表一样查询它们；
• 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

流、动态表、连续查询的关系如下(表和流可以动态转换)：

• 流将转换为动态表；
• 在动态表上评估连续查询，生成新的动态表；
• 生成的动态表将转换回流。

不同数据处理保证的语义

• 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被消费一次，仿佛故障没有发生

Exactly-Once 和 Checkpoint

快照制作：Chandy-Lamport算法

• 快照制作的开始：每一个算子都接收到JM发送的Checkpoint Barrier标识状态
• Source算子的处理：各个source保存自己的状态后，向所有连接的下游继续发送Checkpoint Barrier，同时告知JM自己状态已经制作完成。
• 算子等待所有上游的barrier到达才开始制作快照；快照制作完成的上游算子会继续处理数据，不会被下游算子制作快照的过程阻塞
• 快照制作和处理数据的解耦
• 所有算子都告知JM状态制作完成，整个Checkpoint就结束

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完成快照
• 在快照制作和Barrier Aligment过程需要暂停处理数据，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。

Flink端到端的 Exactly-once语义

• 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

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，引入了一个中心结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）。

预提交阶段

1.协作者向所有参与者发送一个commit消息
2.每个参与的协作者收到消息后，执行事务，但是不真正提交
3.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)

提交阶段

（1）若协作者成功接收到所有的参与者vote yes的消息：

步骤：
     1.协作者向所有参与者发送一个commit消息
     2.每个收到commit消息的参与者释放执行事务所需的资源，并介绍这次事务的执行
     3.完成步骤2后，参与者发送一个ack消息给协作者
     4.协作者收到所有参与者的ack消息后，标识该事务执行完成

（2）若协作者有收到参与者vote no的消息(或者发生等待超时):

步骤：
     1.协作者向所有参与者发送一个rollback消息；
     2.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；
     3.完成步骤2后，参与者发送一个ack消息给协作者；
     4.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