这是我参与「第四届青训营 」笔记创作活动的第二天。
数据流是一个无限元组序列，不像SQL处理的表，是有界的，一次执行查询可以访问完整的数据。数据流的处理是将流转换成保存有状态的动态表，而动态表是随时间变化的，查询的结果会不断地更新。
那么，如果查询的过程中出现故障该怎么办呢？
这里首先要提到不同数据处理保证的语义：
At-most-once: 俗称“摆烂”，出现故障的时候，啥也不做。最多处理一次，这样带来的好处是降低延迟，提高速度。
At-least-once：出现故障的时候，能够保证至少一次，那么一条数据可能存在重复消费。有些操作是幂等操作，可以重复执行很多次，但只会导致一次结果更改，也就是说，后面再重复执行就不行作用了。这种情况下，At-least-once语义也就够用了。
Exactly-once：最严格的处理语义，每条数据只被逻辑处理过一次（指的是结果只改变过一次），从输出结果来看，仿佛故障从未发生。
那么，Flink内部是怎么实现Exactly-once的呢？
Checkpoint机制
当出现故障时，
第一步：重启应用。
此时所有的任务状态会清空。
第二部：读取之前的checkpoint，重置状态
第三步：继续运行。
那么，应该怎么设置checkpoint呢？
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. 待步骤2结束后，作业所有算子复制自己的状态并保存到远端可靠存储；
还有就是，checkpoint该什么时候设置呢？也就是，应该什么时候存档呢？
最理想的情况下，那当然是每处理完一条数据就进行一个状态的保存。
可是这样毕竟太耗时耗资源了，Flink的默认策略是周期性的触发保存。
而关于设置checkpoint的细节，Flink是让所有任务都处理完同一条数据后保存，再做一份快照的保存，保证逻辑时间上的统一。
