Flink小计（八）----- Flink 的状态一致性

主要内容

• 状态一致性
• 一致性检查点（checkpoint）
• 端到端（end-to-end）状态一致性
• 端到端的精确一次（exactly-once）保证
• Flink+Kafka 端到端状态一致性的保证

一、什么是状态一致性

• 有状态的流处理，内部每个算子任务都可以有自己的状态
• 对于流处理器内部来说，所谓的状态一致性，其实就是我们所说的计算结果要保证准确。
• 一条数据不应该丢失，也不应该重复计算
• 在遇到故障时可以恢复状态，恢复以后的重新计算，结果应该也是完全正确的。

状态一致性分类

二、一致性检查点（checkpoint）

• Flink 使用了一种轻量级快照机制 —— 检查点（checkpoint）来保证 exactly-once 语义

• 有状态流应用的一致检查点，其实就是：所有任务的状态，在某个时间点的一份拷贝（一份快照）。而这个时间点，应该是所有任务都恰好处理完一个相同的输入数据的时候。

• 应用状态的一致检查点，是 Flink 故障恢复机制的核心

  

三、端到端（end-to-end）状态一致性

目前我们看到的一致性保证都是由流处理器实现的，也就是说都是在Flink 流处理器内部保证的；而在真实应用中，流处理应用除了流处理器以外还包含了数据源（例如 Kafka）和输出到持久化系统。

• 端到端的一致性保证，意味着结果的正确性贯穿了整个流处理应用的始终；每一个组件都保证了它自己的一致性
• 整个端到端的一致性级别取决于所有组件中一致性最弱的组件

四、端到端的精确一次（exactly-once）保证

• 内部保证 —— checkpoint
• source 端 —— 可重设数据的读取位置
• sink 端 —— 从故障恢复时，数据不会重复写入外部系统
  ➢ 幂等写入
  ➢ 事务写入

4.1 幂等写入（Idempotent Writes）

所谓幂等操作，是说一个操作，可以重复执行很多次，但只导致一次
结果更改，也就是说，后面再重复执行就不起作用了。

幂等写入，可以保证最终结果的正确性，但过程中可能出现短暂的不一致性。如：进行故障恢复进行回滚，而Sink端进行实时的大屏显示，显示的数据会因回滚出现之前的数据。

4.2 事务写入（Transactional Writes）

• 事务（Transaction）
  ➢ 应用程序中一系列严密的操作，所有操作必须成功完成，否则在每个作中所作的所有更改都会被撤消
  ➢ 具有原子性：一个事务中的一系列的操作要么全部成功，要么一个都不做
• 实现思想：构建的事务对应着 checkpoint，等到 checkpoint 真正完成的时候，才把所有对应的结果写入 sink 系统中
• 实现方式
  ➢ 预写日志
  ➢ 两阶段提交

4.2.1 预写日志（Write-Ahead-Log，WAL）

1. 对写入的web系统没有要求；【幂等操作对web有要求】
2. 由于先将结果数据保存，收到Checkpoint完成再输出，不会出现短暂的不一致性；【幂等操作会出现】
3. 但进行状态的保存，系统延迟也跟着增大；
4. 如果写入web时只写了一半，为了数据不丢失只能回滚重写，数据又重复了。

严格意义上没有做到 精准一次性

4.2.2 两阶段提交（Two-Phase-Commit，2PC）

这种方式真正实现了 exactly-once，它需要一个提供事务支持的外部
sink 系统。Flink 提供了 TwoPhaseCommitSinkFunction 接口。

与 预写日志 相比，不需要先将数据结果保存起来，而是直接预写入；等到checkpoint完成后正式提交写入，若出现故障回滚 也不会出现数据重复。

非常的巧妙，不用先把数据存起来，而是直接预写入，对性能的影响不大。

五、Flink+Kafka 端到端状态一致性的保证

• 内部 —— 利用 checkpoint 机制，把状态存盘，发生故障的时候可以恢复，保证内部的状态一致性
• source —— kafka consumer 作为 source，可以将偏移量保存下来，如果后续任务出现了故障，恢复的时候可以由连接器重置偏移量，重新消费数据，保证一致性
• sink —— kafka producer 作为sink，采用两阶段提交 sink，需要实现一个 TwoPhaseCommitSinkFunction

Exactly-once 两阶段提交步骤

• 第一条数据来了之后，开启一个 kafka 的事务（transaction），正常写入kafka 分区日志但标记为未提交，这就是“预提交”
• jobmanager 触发 checkpoint 操作，barrier 从 source 开始向下传递，遇到barrier 的算子将状态存入状态后端，并通知 jobmanager
• sink 连接器收到 barrier，保存当前状态，存入 checkpoint，通知jobmanager，并开启下一阶段的事务，用于提交下个检查点的数据
• jobmanager 收到所有任务的通知，发出确认信息，表示 checkpoint 完成
• sink 任务收到 jobmanager 的确认信息，正式提交这段时间的数据
• 外部kafka关闭事务，提交的数据可以正常消费了。