Exactly Once 语义在 Flink 中的实现 | 青训营笔记

蒲公英飘荡在草原
538 阅读5分钟

这是我参与「第四届青训营 」笔记创作活动的第2天

1. 数据流和动态表

定义

  • Stream: 数据流
  • Dynamic Table: 动态表
  • Continuous Queries: 连续查询
  • 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）
  • Changelog: 包含 INSERT/UPDATE/DELETE 等的数据流
  • State: 计算处理逻辑的状态

1.1 传统SQL和流处理

image.png

1.2 数据流和动态表的转换关系图

image.png

  1. 数据流和动态表之间的转换；
  2. 在数据流的查询不会终止；
  3. 查询可能会有状态，用来不断更新查询的结果。

1.3 在流上定义表

下图显示了单击事件流（左侧）如何转换为表（右侧）。当插入更多的单击记录时，结果表将不断增长。

image.png 动态表：与表示批处理数据的静态表不同，动态表是随时间变化的。可以像查询静态批处理表一样查询它们。 数据库表是INSERT、UPDATE和DELETE DML语句的stream的结果，通常称为changelog stream。

1.4 连续查询

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

image.png 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 不同数据处理保证的语义

  • At-most-once：每条数据消费至多一次
    • 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：每条数据消费至少一次
    • 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: 每条数据都被消费且仅被消费一次
    • 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，彷佛故障从未发生。

2. Exactly-Once 和 Checkpoint

2.1 状态快照与恢复

2.2 制作快照的时间点

image.png

  • 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：
      1. 暂停处理输入的数据；
      1. 等待后续所有处理算子消费当前已经输入的数据；
      1. 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；
      1. 恢复对输入数据的处理。

2.3.1 快照制作的开始

每一个source算子都接收到JM发送的Checkpoint Barrier标识状态快照制作的开始

image.png

2.3.2 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。

image.png

2.3.3 Barrier Alignment

  • 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。

image.png

2.3.5 Checkpoint 的结束

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

  1. 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快照完成；
  2. 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；
  3. 快照保存到远端也有可能极为耗时。

3. Flink端到端的Exactly-once语义

3.1 端到端Exactly-once语义

  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. 严格意义的端到端的Exactly-once语义需要特殊的sink算子实现。

image.png

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)。

image.png

3.3 Flink两阶段提交总结

  1. 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；
  2. 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发送成功的消息，失败则发送失败的消息；
  3. 提交阶段：若JM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，此时下游可以读到此次事务写入的数据；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。

总结

  • 数据流可以转换成动态表，动态表也能重新转换成数据流
  • 处理无限数据流的算子可以是有状态的
  • Flink通过Checkpoint机制实现故障前后的状态快照制作和恢复
  • 支持两阶段提交协议的下游存储可以结合Flink Checkpoint机制实现严格意义上端到端的Exactly-once语义实现。
avatar
文章
阅读
粉丝