Flink Checkpoint 执行流程及优化方案

Flink Checkpoint 优化：非对齐检查点与动态缓冲区调整

最新推荐文章于 2024-12-03 15:27:57 发布

原创

最新推荐文章于 2024-12-03 15:27:57 发布 · 2.4k 阅读

7 ·

CC 4.0 BY-SA版权

文章标签：

#大数据 #flink

本文深入探讨了Flink的Checkpoint机制，包括执行流程、常见问题及解决方案。针对数据流动缓慢和状态数据过大的挑战，提出了非对齐Checkpoint（FLIP-76）和动态调整Buffer大小（FLIP-183）的优化策略，旨在减少Checkpoint时间并提高系统性能。此外，还介绍了通用增量快照（FLIP-158）以解决全量与增量Checkpoint的不稳定问题，通过状态变更日志实现快速稳定的Checkpoint过程。

Flink Checkpoint主要从以下几方面进行介绍：

Checkpoint 执行流程
checkpoint 执行失败问题分析
非对齐checkpoint 优化方案
动态调整 buffer 大小
通用增量快照

1. checkpoint 执行流程

在这里插入图片描述
如上图所示，chechpoint 在执行过程中，可以简化为可以简化为以下四大步：

在数据流中插入 checkpoint barrier；
每执行到当前算子时，对算子 state 状态进行同步快照与异步上传；
当算子是多输入时，要进行 barrier 对其操作；
所有算子状态都已上传，确认 checkpoint 完成；

2. checkpoint 执行失败问题分析

Flink 机制是基于 Chandy-Lamport 算法实现的 checkpoint 机制，在正常情况下，能够实现对正常处理流程非常小的影响，来完成状态的备份。但仍存在一些异常情况，可能造成checkpoint 代价较大。
在这里插入图片描述

问题1：数据流动缓慢

我们知道 Flink 的 checkpoint 机制是基于 barrier 的，在数据处理过程中，barrier 也需要像普通数据一样，在 buffer 中排队，等待被处理。当 buffer 较大或者数据处理较慢时，barrier 需要很久才能够到达算子，触发 checkpint。尤其是当应用触发反压时，barrier 可能要在 buffer 中流动数个小时，这显然是不合适的。而另外一种情况则更为严重，当算子需要 barrier 对齐时，如果一个输入的 barrier 已经到达，那么该输入 barrier 后面的数据会阻塞住，不能被处理的，需要等待其他输入 barrier 到达之后，才能继续处理。如果有一个输入的数据流动缓慢，那么等待 barrier 对齐的过程中，其他输入的数据处理都要暂停，这将严重影响应用的实时性。
针对数据流动缓慢的问题，解决思路有两个：
一、让 buffer 中的数据变少；
二、让 barrier 能跳过 buffer 中缓存的数据；
上述的解决办法正是 Flink 社区提出的两个优化方案，分别为 FLIP-76: Unaligned Checkpoints，FLIP-183: Dynam