Flink的checkpoint机制【黑马大数据培训】

概述

---

checkpoint机制是Flink可靠性的基石，可以保证Flink集群在某个算子因为某些原因(如 异常退出)出现故障时，能够将整个应用流图的状态恢复到故障之前的某一状态，保证应用流图状态的一致性。 checkpoint机制的实现流程

---

Flink的checkpoint是由JobMaster发起的，程序开启checkpoint机制，当程序启动时，JobMaster就会创建一个CheckpointCoordinator，周期性按照顺序向下游算子发送barrier，对每个算子的计算状态数据进行备份，当最后一个算子的计算状态数据备份成功，那么本次的checkpoint完成。当发生故障时，程序只需读取最近一个成功checkpoint的备份数据进行算子计算状态恢复。 涉及到的组件和概念

---

JobMaster：JobMaster是Flink中主节点，主要负责任务接收、分发和协调执行，负责checkpoint的执行和数据的恢复。 barrier：barrier是一个轻量级的数据被按一定的规则（调度）插入到原始数据流中，这个数据不会影响原有数据处理的性能，不会改变原始数据的顺序。CheckpointCoordinator：检查点协调器，时程序启动时JobMaste中开启的一个线程，每个需要checkpoint的应用在启动时，Flink的JobManager为其创建一个 CheckpointCoordinator，CheckpointCoordinator全权负责本应用的快照制作。 source算子：加载数据源数据的算子。 中间算子：所有中间对数据进行处理转换的算子。 sink算子：最后进行数据落地的算子。 快照：算子的某个时间点计算状态数据的备份。 checkpoint流程的具体解析 单个输入源checkpoint 实现流程

---

1. CheckpointCoordinator周期性的向该流应用的所有source算子发送barrier。 2. 当某个source算子收到一个barrier时，便暂停数据处理过程，然后将自己的当前状态制作成快照，并保存到指定的持久化存储中，最后向CheckpointCoordinator报告自己快照制作情况，同时向自身所有下游算子广播该barrier，恢复数据处理 。 3. 下游算子收到barrier之后，会暂停自己的数据处理过程，然后将自身的相关状态制作成快照，并保存到指定的持久化存储中，最后向CheckpointCoordinator报告自身快照情况，同时向自身所有下游算子广播barrier，恢复数据处理。 4. 每个算子按照步骤3不断制作快照并向下游广播，直到最后barrier传递到sink算子，快照制作完成。 5. 当CheckpointCoordinator收到所有算子的报告之后，认为该周期的快照制作成功; 否则，如果在规定的时间内没有收到所有算子的报告，则认为本周期快照制作失败。 两个输入源checkpoint实现流程

---

如果一个算子有两个输入源，则暂时阻塞先收到barrier的输入源，等到第二个输入源相同编号的barrier到来时，再制作自身快照并向下游广播该barrier。具体步骤如下。 1. 假设算子C有A和B两个输入源 ，在第i个快照周期中，由于某些原因(如处理时延、网络时延等)输入源A发出的barrier先到来，这时算子C暂时将输入源A的输入通道阻塞，仅收输入源B的数据。 2. 当输入源B发出的barrier到来时，算子C制作自身快照并向CheckpointCoordinator报 告自身的快照制作情况，然后将两个barrier合并为一个，向下游所有的算子广播。 3. 当由于某些原因出现故障时，CheckpointCoordinator通知流图上所有算子统一恢复到某个周期的checkpoint状态，然后恢复数据流处理。分布式checkpoint机制保证了数据仅被处理一次(Exactly Once)。 小结

---

checkpoint机制是Flink的重要特性，他是Flink的容错的轻量级实现，当Flink程序运算出错，只需要在checkpoint 保存的运算状态数据中恢复数据即可，不需要进行重新的运算去恢复数据。掌握checkpoint机制是学习Flink的重要 环节。