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 传统的SQL和流处理

1.2 数据流和动态表的转换

数据流

动态表

连续查询

另一种数据流

1.3 在流上定义表

单击事件流转换为表

1.4 连续查询

查询从不停止

查询结果不断更新，产生一个新的动态表

在任何时刻，连续查询的结果在语义上与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

该SQL是统计某一个窗口事件一段时间内的点击次数，即一小时内用户在这个网页内的点击次数，并且点击的窗口是不进行重叠的

两个SQL的比较

第一个查询更新先前输出的结果，即定义结果表的changelog流包括insert和update操作

第二个查询只附加到结果集，即结果表的changgelog流只包括insert操作

1.6 Retract消息的产生

回撤消息

1.7 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-east-once:保证每条数据均至少被处理一次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与checkpoint

2.1 状态快照与恢复

该图说明的是一个数字输入流，不断输入数字，source不断处理数字，sum_even和sum_odd分别为偶数累加器和奇数累加器，当需要保存状态时，source存当前正在处理的数字，sum_even和sum_odd分别存当前累加的数字和

2.1 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

2.2 Chandy-Lamport 算法

分布式状态快照制作办法

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. Flink端到端的Exactly-once语义

3.1 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)

3.1.1 两阶段提交协议---第一阶段---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)

3.1.1 两阶段提交协议---第二阶段---提交阶段

情况（一）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ck消息后，标识该务完成。

情况（二）若协作者有收到参与者vots 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；