文章第一句话为“这是我参与「第四届青训营 」笔记创作活动的第4天

1、数据流和动态表

1.1 随处可见的数据流

1.2 传统 SQL 和流处理

1.3 数据流和动态表的转换

1.3.1 概述

1.3.2 在流上定义表

• 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

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
• 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

1.6 两个连续查询对比

• 虽然这两个示例查询看起来非常相似(都计算分组计数聚合)，但它们在一个重要方面不同:
  • 1.第一个查询更新先前输出的结果，即定义结果表的changelog流包含INSERT和UPDATE操作
  • 2.第二个查询只附加到结果表，即结果表的changelog流只包含INSERT操作

1.7 Retract 消息的产生

1.8 状态

• 需要存储每个用户的URL计数，以便能够增加该计数并在输入表接收新行时发送新结果

1.9 回顾

• 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

1.10 不同数据处理保证的语义

• 1. 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
• 2. 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
• 3. 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

2、Exactly-Once 和 Checkpoint

2.1 状态快照与恢复

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:
  • 1．暂停处理输入的数据
  • 2．等待后续所有处理算子消费当前已经输入的数据
  • 3．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
  • 4．恢复对输入数据的处理

2.3 Chandy-Lamport 算法

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

2.3.2 Source 算子的处理

• 各个source保存自己状态后，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

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制作完成快照
• 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、端到端 Exactly-Once 实现

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

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

• 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)

3.2.2 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:

• 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，并结束这次事务的执行
• 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

若协作者有收到参与者vote no 的消息（或者发生等待超时):

• 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

3.3 Flink 中 2PC Sink

3.4 Flink 两阶段提交总结