flink学习-容错机制

checkpoint（检查点）

在flink中最重要的容错机制，就是checkpoint机制，使用checkpoint可以将之前某个时间点的所有的状态进行保存，这个存档就是checkpoint。

检查点的保存

周期性存储保存，间隔时间可以由用户进行指定。
保存时间点应该是整体处理完某一条数据处理完，将这个时间点的状态保存下来。

检查点恢复状态

当发生故障时，需要找到最近一次成功保存的检查点进行数据恢复。

检查点算法

在flink中，采用Channdy-Lamport 算法的分布式快照，可以在不暂停流处理的前提下，经状态备份保存到检查点。
借鉴水位线设计，插入一个特殊数据结构，表示触发检查保存的时间点，算子遇到后就对当前算子内状态进行持久化保存。
在JobManager中有个『检查点协查器』，用以专门协调处理检查点的相关工作。
分布式快照算法
barrier对齐的精准一次
barrier对齐的至少一次
非barrier对齐的精准一次

checkpoint 常用配置

主要是在设置检查点时需要设置周期，已经模式（例如采用精准一次）
超时时间（默认10分钟）
指定检查存储路径
最大checkpoint并发数
最小等待时间间隔
最小等待间隔（上一轮checkpoint结束到下一轮checkpoint开始间的间隔）
取消作业时，checkpoint的数据是否保留在外部系统
允许checkpoint连续失败的次数
非对齐检查点设置后将会自动设置为精准一次。

保存点用途

整体上看可以将保存点看做程序临时保存使用：
版本管理和归档存储
更新Flink版本
更新应用程序
调整并行度
暂停应用程序

状态一致性

状态一致性部分主要分为三种级别
最多一次（At-Most-Once）
至少一次（At-Least-Once）
精准一次（Exactly-Once）
采用两阶段提交可以用来解决分布式场景下的事务，1、上一次检查点完成后，barrier后续的数据开始进行预提交；2、当新的检查点完成时，各个节点进行正式提交。