当前位置：网站首页>Flink实现Exactly Once

Flink实现Exactly Once

2022-08-02 14:05:00 【boyzwz】

前言

Flink通过状态快照实现容错处理：

Flink 定期获取所有状态的快照，并将这些快照复制到持久化的位置，例如分布式文件系统。

如果发生故障，Flink 可以恢复应用程序的完整状态并继续处理，就如同没有出现过异常。

Flink 管理的状态存储在 state backend 中。

checkpoint 代码

/**
     * 创建flink环境
     */
    val env: StreamExecutionEnvironment = StreamExecutionEnvironment.getExecutionEnvironment

    /**
     * 使用flink 的 checkpoint将结果保存到hdfs上去
     *
     * 若任务中途失败或者重新运行，只需指定保存的hdfs路径，就可在上次执行的结果上继续执行
     * 不用让数据重新开始
     *
     * flink中的有状态计算才可以checkpoint，若自己创建的hashmap则无法保存
     */

    // 每 1000ms 开始一次 checkpoint
    env.enableCheckpointing(1000)

    // 高级选项：

    // 设置模式为精确一次 (这是默认值)
    env.getCheckpointConfig.setCheckpointingMode(CheckpointingMode.EXACTLY_ONCE)

    // 确认 checkpoints 之间的时间会进行 500 ms
    env.getCheckpointConfig.setMinPauseBetweenCheckpoints(500)

    // Checkpoint 必须在一分钟内完成，否则就会被抛弃
    env.getCheckpointConfig.setCheckpointTimeout(60000)

    // 允许两个连续的 checkpoint 错误
    env.getCheckpointConfig.setTolerableCheckpointFailureNumber(2)

    // 同一时间只允许一个 checkpoint 进行
    env.getCheckpointConfig.setMaxConcurrentCheckpoints(1)

    // ExternalizedCheckpointCleanup.RETAIN_ON_CANCELLATION：当作业取消时，保留作业的 checkpoint。注意，这种情况下，需要手动清除该作业保留的 checkpoint。
    // ExternalizedCheckpointCleanup.DELETE_ON_CANCELLATION：当作业取消时，删除作业的 checkpoint。仅当作业失败时，作业的 checkpoint 才会被保留。
    env.getCheckpointConfig.setExternalizedCheckpointCleanup(
      ExternalizedCheckpointCleanup.RETAIN_ON_CANCELLATION)

    /**
     * 设置flink checkpoint保存状态的位置
     *
     * 创建一个临时数据库保存
     * env.setStateBackend(new EmbeddedRocksDBStateBackend(true))
     */
    env.setStateBackend(new HashMapStateBackend())
    //将状态保存到hdfs中
    env.getCheckpointConfig.setCheckpointStorage("hdfs://master:9000/flink/checkpoint")

一、状态快照 checkpoint

Checkpoint – 一种由 Flink 自动执行的快照，其目的是能够从故障中恢复。Flink开启checkpoint可在任务失败或者重启时，重新提交任务指定checkpoint保存外部系统的路径，即可在上次执行的结果上继续执行，数据不需重新开始。

checkpoint的执行：

1、checkpoint是由JobManager定时去执行，flink快照机制并不是在同一时刻所有任务一同执行，而是所有任务在处理完同一数据后，保存自身状态

2、JM向Source Task发送Trigger，Source Task会保存自身状态（记录当前读取数据的偏移量），并在数据流中，插入带有编号的 checkpoint barriers，向下游传递barrier

3、当下游的task接收到barrier时，会保存自身状态（如有上游有多个分区任务，下游task收到上游所有实例的barrier才会做快照），继续向下游传递barrier

4、当所有task完成同一次checkpoint的barrier之后，一次checkpoint完成

5、当快照被持久保存后，JM会删除旧的checkpoint文件

6、当任务状态信息备份完成后，会上报JM，当所有的任务都上报后，完成一次checkpoint

二、端对端确保精确一次 Exactly Once

状态一致性：

计算结果要保证准确
每一条数据都不应该丢失，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，结果也应该是正确的
（每一条数据的处理只影响一次结果）

状态一致性分类：

AT_MOST_ONCE（最多一次）可能会导致数据丢失
AT_LEAST_ONCE（最少一次）可能会导致数据重复，多次处理
EXACTLY_ONCE （精确一次）

Exactly Once：

Flink 使用了轻量级快照机制--检查点（checkpoint）来保证exactly once语义

1、source端

必须是可重放的
Flink 分布式快照保存数据计算的状态和消费的偏移量，保证程序重启之后不丢失状态和消费偏移量

2、端对端

内部保证--checkpoint

3、sink端

sinks 必须是事务性的（或幂等的）
幂等：对一个数据进行多次操作，对结果只会更改一次。即第一次操作以后，后面重复执行就不起作用了（hashmap集合，对于一个kv数据存入多次，结果不会改变）
sink端必须支持事务写入（要么全部成功，要么全部不写入）
若sink端数据不是事务写入，一条一条写入的，发生故障的话，会回滚到上一次checkpoint，有些数据就会再次写入，即产生重复数据。