Exactly Once 语义在 Flink 中的实现｜青训营笔记

课程资料

课程链接：https://live.juejin.cn/4354/yc_Once

课程PPT：https://bytedance.feishu.cn/file/boxcnFPburXr95rMNel1SHOvISg

学员手册：https://juejin.cn/post/7122754431371706404#heading-36

完整手册：https://bytedance.feishu.cn/docx/doxcnECGEFkCKYqbxaDipK1qrVf

一、数据流和动态表

1.1 在流上定义表

• 动态表：与表示批处理数据的静态表不同，动态表是随时间变化的。可以像查询静态批处理表一样查询它们
• 数据库表是 INSERT 、UPDATE 和 DELETE DML 语句的stream的结果，通常称为changelog stream

• 查询从不终止
• 查询结果会不断更新，产生一个新的动态表

1.2 不同的连续查询对比

• 第一个查询更新先前输出的结果，即定义结果表的changelog流包含 INSERT 和 UPDATE 操作
• 第二个查询只附加到结果表，即结果表的 changelog 流只包含 INSERT 操作

• Retract Stream：Retract 流（同时包含 INSERT 消息和 DELETE 消息）

二、Exactly-Once 和 Checkpoint

2.1 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

2.2 Checkpoint

• Checkpoint Barrier 的下发，source 算子接收到 JM 发送的 Checkpoint Barrier 标识状态快照制作的开始

• 各个 source 保存自己状态后，向所有链接的下游继续发送 Checkpoint Barrier，同时告知 JM 自己状态已经制作完成

• 算子会等待所有上游的 barrier 到达后才开始快照的制作，已经制作完成的上游算子会继续处理数据，并不会被下游算子制作快照的过程阻塞

• Checkpoint并不阻塞在算子处

• 所有算子都告知JM状态制作完成后，整个Checkpoint就都结束了

2.3 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

三、端到端 Exactly-Once 实现

3.1 Exactly-once语义

• 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数据
• 严格意义的端到端的 Exactly-once 语义需要特殊的 sink 算子实现

3.2 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（coordinater），被中心节点调度的其他业务节点叫做参与者（participater）

• 预提交阶段

  1. 协作者向所有参与者发送一个 commit 消息
  2. 每个参与者接收到消息后，执行事务，但是不正真提交
  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

  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，并释放事务所占用资源
  3. 完成步骤2之后，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 消息之后，标识该事务成功完成回滚

3.3 两阶段提交协议在Flink中的应用

• Flink 中协作者和参与者的角色分配

• 协作者（JM）发起第一阶段的提交

• 各个算子Checkpoint 的制作（类似 vote 的过程，快照制作成功/失败都向 JM 发送消息）

• 第二阶段提交以及 Checkpoint 制作完成

3.4 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，事务未提交之前，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处理数据（处理后续的数据需要重新打开下一个事务）。状态制作成功后则向 JM 发送成功消息，失败则发送失败消息
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 有接收到预提交失败的消息，则通知所有处理逻辑回滚这次事务操作，此时 sink 则丢弃这次事务提交的数据