品牌营销策划网站,关于电子商务的网站推广方案,深圳网站制作的公司怎么样,潮州南桥市场中国建设银行网站分析回答
Checkpoint介绍
Checkpoint容错机制是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。Flink的Checkpoint机制原理来自“Chandy-Lamport alg…分析回答
Checkpoint介绍
Checkpoint容错机制是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。Flink的Checkpoint机制原理来自“Chandy-Lamport algorithm”算法。
Barriers
flink 分布式快照的核心元素是 stream barriers,这些barriers被注入到流中并作为流的一部分随着流流动。barriers将数据流的记录分为进入当前快照的记录和进入下一个快照的记录每个barriers都携带了快照的ID快照的数据在barriers的前面推送。barriers非常轻量级不会中断流的流动。同一时间会有多个checkpoint在并发进行。 barrier被注入到并行流的数据源注入快照n (称为Sn)的barriers 是数据源中个一个位置在kafka 就是某个分区的最后一条记录的offset。这个位置Sn后续会汇报给JM的checkpoint coordinator协调checkpoint功能。 barrier随着流向下游流动当中间的operator从他所有的输入流中收到checkpoint n 的barrier时该operator会将barrier发送给他的下游operator。一旦到达DAG的末端sink会将这条流的state handle汇报JM的checkpoint coordinator当sink从他所有的输入流中接收到了checkpoint n barrier Jm 会返回一个completed checkpoint meta, 然后checkpoint 标记为完成状态存储到相应的state backend中。
barrier 对齐 当一个opeator有多个输入流的时候checkpoint barrier n 会进行对齐就是已到达的会先缓存到buffer里等待其他未到达的一旦所有流都到达则会向下游广播exactly-once 就是利用这一特性实现的at least once 因为不会进行对齐就会导致有的数据被重复处理。
checkpoint 数据结构
当一个operator接收到所有上游发送的 checkpoint n barrier 向下游发送之前会对状态进行一次快照将offset state 等值保存起来默认情况下是保存在Jm的内存中由于可能会比较大可以存在状态后端中生成中建议放hdfs. 到最终checkpoint 快照的完整数据结构类似与一个表格每个opeator经过处理后填写属于自己的那部分最后会将其存到state backend中供failover时使用。
反思扩展
Flink 的容错机制(checkpoint) 内部实现
每个需要Checkpoint的应用在启动时,Flink的JobManager为其创建一个 CheckpointCoordinator(检查点协调器),CheckpointCoordinator全权负责本应用的快照制作。
CheckpointCoordinator(检查点协调器),CheckpointCoordinator全权负责本应用的快照制作。 CheckpointCoordinator(检查点协调器) 周期性的向该流应用的所有source算子发送 barrier(屏障)。
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
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该barrier,恢复数据处理。
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。
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。
RocksDB实现增量checkpoint原理:
state backend中提供了一种RocksDb存储checkpoint ,它是Flink提供的唯一可以实现增量checkpoint的方法。原理是每次生成checkpoint是会生成sst文件不会再修改了会和之前的文件进行对比每次上传新增的sst文件即可,大概就是这样。 喵呜面试助手一站式解决面试问题你可以搜索微信小程序 [喵呜面试助手] 或关注 [喵呜刷题] - 面试助手 免费刷题。如有好的面试知识或技巧期待您的共享
