Flink流式框架的状态一致性

一、状态一致性

1）有状态的流处理，内部每个算子任务都可以有自己的状态；

2）对于流处理器内部来说，所谓的状态一致性，其实就是我们所说的计算结果要保证准确；

3）一条数据不应该丢失，也不应该重复计算；

4）在遇到故障时可以恢复状态，恢复以后进行重新计算，结果应该也是完全正确的；

 

1、状态一致性分类

（1）AT-MOST-ONCE（最多一次）

  》》当任务故障时，最简单的做法就是什么也不干，既不恢复丢失的状态，也不重播丢失的数据，At-most-once语义的含义是最多处理一次事件。

（2）AT-LEAST-ONCE（至少一次）

   》》在大多数的真实应用场景中，我们希望不丢失事件，这种类型的保障称为at-least-once，意思是所有的事件都得到了处理，而一些事件还可能被处理多次；

（3）EXACTLY-ONCE（精确一次）

   》》恰好处理一次是最严格的保证，也是最难实现的。恰好处理一次语义不仅仅意味着没有事件丢失，还意味着针对每一个数据，内部状态仅仅更新一次。

 

二、一致性检查点（checkpoint）

1）Flink使用了一种轻量级快照机制——检查点（checkpoint）来保证exactly-once语义；

2）有状态流应用的一致检查点，其实就是：所有任务的状态，在某个时间点的一份拷贝（一份快照）。而这个时间点，应该是所有任务都恰好处理完一个相同的输入数据的时候；

3）应用状态的一致检查点，是Flink故障恢复机制的核心；

 

三、端到端（end-to-end）状态一致性

1）目前我们看到的一致性保证都是由流处理器实现的，也就是说都是在Flink流处理器内部保证的；而在真实应用中，流处理应用除了流处理器以外还包含了数据源（例如：Kafka）和输出到持久化系统；

2）端到端的一致性保证，意味着结果的正确性贯穿了整个流处理应用的始终；每一个组件都保证了它自己的一致性；

3）整个端到端的一致性级别取决于所有组件中一致性最弱的组件；

 

四、端到端的精确一次（exactly-once）保证

1）内部保证——checkpoint；

2）source端——可重设数据的读取位置

3）sink端——从故障恢复时，数据不会重复写入外部系统

      》》幂等写入

      》》事务写入

 

1、幂等写入（Idempotent  Writes）

1）所谓幂等操作，是说一个操作，可以重复执行很多次，但只导致一次结果更改，也就是