Exactly Once 语义在 Flink 中的实现 | 青训营笔记

这是我参与「第四届青训营 」笔记创作活动的第3天

课程目录：

1. 数据流和动态表

2. Exactly-Once 和 Checkpoint

3. 端到端 Exactly-Once 实现

4. Flink 案例讲解

思维导图

1. 数据流和动态表

实时流的查询特点

• 查询从不终止
• 查询可能有状态，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

• 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

2. Exactly-Once 和 Checkpoint

• 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）

一致性保证语义

• 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消费一次，仿佛故障从未发生。

checkpoint

• source算子接受JM的Checkpoint barrier，相当于2PC的预提交，标识状态快照制作的开始
• Checkpoint barrier 的下发

  • 算子状态制作和 barrier 传递

  • 多个上游的等待 barrier 对齐现象

    • barrier alignment：算子会等所有上游的barrier到达才开始快照的制作
    • Exactly once

  • Checkpoint 并不阻塞算子数据处理

• Checkpoint ACK和制作完成
  • 所有算子都告知JM状态制作完成后，整个checkpoint就制作完成了

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 Alianment 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

• 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。
  • 在Flink中通过两阶段提交协议 （2PC） 去实现的

两阶段提交协议（2PC）：分布式协议，协调每个节点都能同时执行或回滚某个事务

• Coordinator：协作者，同步和协调所有节点处理逻辑的中心节点
• Participant：参与者，被中心节点调度的其他执行处理逻辑的业务节点

下图为协作者和参与者之间是如何交互的

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：

• 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。

2PC过程如下：

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：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外理数据(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，此时下游可以读到这次事务写入的数据；
  • 若 JM 有收到预提交失败的消息，则通知所有外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下。

4. Flink 案例讲解

迁移到Flink的解决方案优势如下：

课程总结

• 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

总结与思考： 由于SQL查询实时需要状态表，而用状态表如何保证故障产生和故障恢复之后对作业是没有影响的。Flink使用checkpoint机制。保证了出现故障也能很好的保存自身的状态的exactly once，即每条都会更新状态且只会更新一次。但是对于sink（即端对端）来说可能存在重复消费的问题，所以还需要端对端的exactly once，Flink采用2PC协议。