Exactly Once语义在Flink中的实现|青训营笔记

用户9125081449100
143 阅读5分钟

1. 数据流和动态表

image.png

image.png 连续查询 image.png 查询产生仅追加数据的动态表 image.png 两个连续查询对比 image.png Retract消息的产生

image.png 状态

image.png

image.png 查询初显故障的办法：

  1. At-most-once：啥也不做，保证恢复时第一时间投入工作
  2. At-least-once：保证没条数据至少处理一次，但是可能重复消费
  3. Exactly-once：严格的处理语义，每条数据均被消费仅一次，仿佛没有发生故障

2. Exactly-Once和Checkpoint

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 一个简单的快照只做算法

  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. 等待两处完成后，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

image.png Chandy-Lamport算法

image.png 每一个Source算子接收到JM发送的Checkpoint Barrier 吊事状态快照制作的开始

image.png 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

image.png

  • 算子会等待所有上游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组赛

image.png 快照制作和处理数据的解耦

image.png 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 Checkpoint对作业性能的影响:

  1. 解耦了快照制作和数据处理的过程，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极为耗时

3. 端到端Exac-Once实现

  1. Checkpoint能宝恒每条数据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Exactly-once语义需要特殊的sink算子实现

image.png

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嗯呢该同时执行或回滚某个事务性操作，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叫做参与者（participant）

image.png

两端提交协议（一）---预提交阶段

  1. 协作者向所有参与者发送一个commeit消息
  2. 每个参与的协作者收到消息后，执行事务，但是不是正真提交
  3. 如果事务成功执行完成，发送一个成功的消息（vote yes）；执行实拍，发送一个失败的消息（vote no）

两端提交协议（二）---提交阶段

如果协作者成功接收到所有的参与者的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要的资源，并结束这次事务的执行
  3. 完成2后，参与者发送一个ACK反馈信息给协作者
  4. 协作者收到所有参与者的ack反馈消息，标识事务执行完成 如果协作者接收到的参与者的vote no 的消息（或发生等待超时）
  5. 协作者向所有参与者发送一个rollback消息
  6. 每个收到rollback消息的参与者回滚事务的执行操作，并释放事务所占有的资源
  7. 完成2后，参与者发送一个ack消息给协作者
  8. 协作者收到参与者的ack反馈消息后，标识事务完成回滚

Flink中 2PC Sink

image.png JM传送个barrier给Data Source

image.png Data Source 传送barrier给WIndow 将快照传送给flink后端

image.png window传输barrier给Data Sink window和Data SInk快照传输到Flink后端内存中 预提交处理给kafuka

image.png 提交阶段JM给每个节点返回ack后做提交处理 image.png

Flink两段提交的总结

  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，事务未提前，事务写入的数据下游不可读
  2. 预提交阶段：JM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）。状态制作成功后则向JM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数据，若JM收到的预提交失败，则回滚这次事务，此时sink则丢弃这次事务提交的数据下。

4. Flink案例讲解

image.png

image.png

image.png

总结

  1. 数据流可以转换成动态表，动态表也能重新转化成数据流
  2. 处理无线数据流的算子可以是有状态的
  3. Flink通过Checkpoint机制实现故障前后的状态快照制作和恢复
  4. 支持两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