作业在很多情况下有可能会失败。失败之后重新去运行时，我们如何保证数据的一致性？

Flink 基于 Chandy-Lamport 算法，会把分布式的每一个节点的状态保存到分布式文件系统里面作为 Checkpoint（检查点），过程大致如图示。

首先，从数据源端开始注入 Checkpoint Barrier，它是一种比较特殊的消息；

其次，它会跟普通的事件一样随着数据流去流动，当 Barrier 到达算子之后，这个算子会把它当前的本地状态进行快照保存，当 Barrier 流动到 Sink，所有的状态都保存完整了之后，它就形成一个全局的快照。

这样当作业失败之后，就可以通过远程文件系统里面保存的 Checkpoint 来进行回滚：先把 Source 回滚到 Checkpoint 记录的 offset，然后把有状态节点当时的状态回滚到对应的时间点，进行重新计算。这样既可以不用从头开始计算，又能保证数据语义的一致性。

资料来源：《8-Apache Flink 必知必会》，下载链接：https://developer.aliyun.com/topic/download?id=1189