Flink Checkpoint道理解析
Flink是一个有状态的分布式流式计算引擎，flink中的每个function或者是operator都可以是有状态的，有状态的function在措置流数据或事件的的同时会存储一部门用户自定义的数据，这使得flink的状态可以作为任何更精细操作的基础。然而总会有一些原因使流任务呈现异常（如网络故障、代码bug等），为了使得状态可以容错，flink引入了checkpoint机制。checkpoint使得flink能够恢复流任务的状态和位置，从而为流任务提供与无故障执行不异的语义。下面对flink的checkpoint机制进行总结，并分享一些使用经验。Paper
Flink的checkpoint的过程依赖于异步樊篱快照算法，该算法在《Lightweight Asynchronous Snapshots for Distributed Dataflows》这篇paper中被提出。理解了这篇paper也就大白了flink的chekpoint机制。paper整体来说斗劲简单易懂，下面简单介绍下paper的大体内容和核心的算法。
[*]概览
有状态的分布式流式计算使得大规模的部署和云计算成为可能，而且有着两个方针--低延迟和高吞吐。一个最基础的挑战就是如安在计算或任务可能掉败的情况下，提供数据一致性的保证。之前的凡是的方式是依赖周期性的全局快照，然而这些方式有两个错误谬误。第一，他们凡是需要暂停整个计算逻辑，这凡是会影响数据的摄取。第二，他们凡是需要持久化所有在传输中的数据，这会导致生成的快照比实际需要的大很多。
这篇paper主要介绍了一个轻量级分布式异步快照，只需要保留较少的数据即可。而且将这种轻量级的算法在flink中实现，之后通过验证表白，这种算法对数据的措置和计算影响很小，而且拥有线性的可扩展性，而且在快照斗劲频繁的时候性能依旧良好。接下来paper首先介绍了现存的几种流计算种使用的快照算法，以及存在的问题，而且简单的介绍了flink的流计算架构，主要是flink的一些基本概念，因此不再展开介绍。之后就是这篇paper的重点，分布式异步快照的实现以及状态的恢复。最后是性能评估和总结。
[*]Asynchronous Barrier Snapshotting（ABS）
为了保证输出成果的一致性，分布式流措置系统凡是要能措置任务掉败的情况。一种常用的做法是周期性的发生快照，在任务掉败的情况下能后从快照恢复运行。快照是任务计算图的一个全局的状态，包含所有能够恢复任务的必要的数据。对于一个快照而言，从最终性(Termination)与可行性(feasibility)两个方面来阐述如何保障成果的正确性。
ABS将计算逻辑通过有向无环图划分为几个阶段(stage)，每个stage将所有的输入数据和输出成果划分为一系列的措置中间状态，对于每一个stage来说，所有先前的输入和输出成果都已经完全措置。所以ABS的核心思想就是创建分阶段的快照，同时保持持续的数据摄取。
接下来介绍周期性的barrier如何起感化。
1）中央协调者周期性的从源头注入barrier。
2）当source接受到barrier后，当即发生一个快照，之后将barrier广播到所有的输出端。
3）当非source算子收到此中一个输入端的barrier后，立刻阻塞这个channel；这个channel中被阻塞的数据将会被缓存起来；直到改算子收到了所有的上游输入的barrier。
4）当非source算子接收到所有的上游输入的barrier之后，则会当即生成快照，保留当前算子的状态，之后将barrier广播到所有的输出端。
5）这个算子解除对上游输入channel的阻塞，继续计算新的输入数据。当数据最后完成sink，一个完整的查抄点才算完成。
如何证明最终性？数据channel的可靠性保证了每一个barrier城市被接收，只要任务还存活。此外的有向无环图中，数据的流动路径是确定的，每个算子最终城市收到所有上游算子的 barrier并触发生成快照。
如何证明一致性？由于输入通道的先进先出原则和barrier的阻塞功能，确保了在快照完成之前，下游算子不会计算阻塞的数据。
[*]掉败恢复
1）每个算子从持久化存储中恢复对应的状态作为其初始状态。
2）还原并措置备份的数据。
3）从输入通道从头摄取数据
如上图所示，任务只能恢复部门算子的情况也是有可能发生的，为了保证计算不反复，可以通过重放上游数据的方式进行措置。比如通过对比数据的offset，将offset小于已经措置过的最大的offset的数据丢弃。
以上就是这篇paper的概略内容和核心算法。
Flink Checkpoint
Flink整体来说是一个主从架构，JobManager负责资源打点、任务调剂、checkpoint触发等等协调性的工作，TaskManager负责按照代码逻辑措置数据，真正执行任务的角色。由于Flink的slot-sharing机制，一个TaskManager可能有多个子任务。
checkpoint流程
在checkpoint过程中，JobManager会按照代码配置的法则，按期触发checkpoint，在所有的source的子任务中注入checkpointBarrier，TaskManager在收到所有上游广播的CheckpointBarrier 后，触发checkpoint。当整个DAG图的子任务的checkpoint都做完之后，会陈述请示给JobManager，JobManager则认为这个checkpoint已经完成。整个流程与上述paper中的流程几乎一致。
Flink Checkpoint撑持两种语义，Exactly_Once 和 At_Least_Once。这两种语义的区别主要在于对barrier 对齐方式的措置，Exactly_Once的算子在接受到第一个barrier后会阻塞上游输入通道，将输入数据缓存起来，知道所有上游的barrier都收到之后才会继续措置这些数据。At_Least_Once则不会阻塞上游数据，即使没有对齐barrier也会措置后续的数据。
源码分析
Checkpoint的主要流程可以CheckpointCoordinator类中看到。
public PendingCheckpoint triggerCheckpoint(
long timestamp,
CheckpointProperties props,
@Nullable String externalSavepointLocation,
boolean isPeriodic,
boolean advanceToEndOfTime) throws CheckpointException {
if (advanceToEndOfTime && !(props.isSynchronous() && props.isSavepoint())) {
throw new IllegalArgumentException("Only synchronous savepoints are allowed to advance the watermark to MAX.");
}
// 做一些预先的查抄
synchronized (lock) {
// 若此时coordinator已经被封锁则checkpoint掉败
if (shutdown) {
throw new CheckpointException(CheckpointFailureReason.CHECKPOINT_COORDINATOR_SHUTDOWN);
}
// 若是周期性执行而调剂器已经封锁则checkpoint掉败
if (isPeriodic && !periodicScheduling) {
throw new CheckpointException(CheckpointFailureReason.PERIODIC_SCHEDULER_SHUTDOWN);
}
// 验证checkpoint是否达到最大并发数，验证checkpoint之间的最小时间间隔
// 默认最大并发度为1，最小间隔为0，这些参数都可以提前自定义配置
// 这些查抄都和savepoint没有关系
if (!props.forceCheckpoint()) {
// 查抄是否只有一个触发checkpoint的请求
if (triggerRequestQueued) {
LOG.warn("Trying to trigger another checkpoint for job {} while one was queued already.", job);
throw new CheckpointException(CheckpointFailureReason.ALREADY_QUEUED);
}
// 查抄当前有多少checkpoint在pending
checkConcurrentCheckpoints();
// 查抄最小时间间隔
checkMinPauseBetweenCheckpoints();
}
}
// 查抄所有子任务的状态，若任务不在运行则直接丢弃此次checkpoint
Execution[] executions = new Execution;
for (int i = 0; i < tasksToTrigger.length; i++) {
Execution ee = tasksToTrigger.getCurrentExecutionAttempt();
if (ee == null) {
LOG.info("Checkpoint triggering task {} of job {} is not being executed at the moment. Aborting checkpoint.",
tasksToTrigger.getTaskNameWithSubtaskIndex(),
job);
throw new CheckpointException(CheckpointFailureReason.NOT_ALL_REQUIRED_TASKS_RUNNING);
} else if (ee.getState() == ExecutionState.RUNNING) {
executions = ee;
} else {
LOG.info("Checkpoint triggering task {} of job {} is not in state {} but {} instead. Aborting checkpoint.",
tasksToTrigger.getTaskNameWithSubtaskIndex(),
job,
ExecutionState.RUNNING,
ee.getState());
throw new CheckpointException(CheckpointFailureReason.NOT_ALL_REQUIRED_TASKS_RUNNING);
}
}
// 查抄所有待确认算子的运行状态，若不在运行中则直接丢弃此次checkpoint
Map<ExecutionAttemptID, ExecutionVertex> ackTasks = new HashMap<>(tasksToWaitFor.length);
for (ExecutionVertex ev : tasksToWaitFor) {
Execution ee = ev.getCurrentExecutionAttempt();
if (ee != null) {
ackTasks.put(ee.getAttemptId(), ev);
} else {
LOG.info("Checkpoint acknowledging task {} of job {} is not being executed at the moment. Aborting checkpoint.",
ev.getTaskNameWithSubtaskIndex(),
job);
throw new CheckpointException(CheckpointFailureReason.NOT_ALL_REQUIRED_TASKS_RUNNING);
}
}
// 做完上述的一系列查抄后开始真正触发checkpoint
// 通过加特殊的锁来确保触发请求不会并发
synchronized (triggerLock) {
// checkpoint保留路径
final CheckpointStorageLocation checkpointStorageLocation;
final long checkpointID;
try {
// 这个必需使用全局的锁，因为与外部的系统交互可能会导致阻塞一段时间
// checkpointID凡是是一个递增的时间戳
checkpointID = checkpointIdCounter.getAndIncrement();
checkpointStorageLocation = props.isSavepoint() ?
checkpointStorage.initializeLocationForSavepoint(checkpointID, externalSavepointLocation) :
checkpointStorage.initializeLocationForCheckpoint(checkpointID);
}
catch (Throwable t) {
// 若掉败则记录掉败次数，这些指标都可以通过metrics收集起来，用于checkpoint监控
int numUnsuccessful = numUnsuccessfulCheckpointsTriggers.incrementAndGet();
LOG.warn("Failed to trigger checkpoint for job {} ({} consecutive failed attempts so far).",
job,
numUnsuccessful,
t);
throw new CheckpointException(CheckpointFailureReason.EXCEPTION, t);
}
// 创建一个等待执行的Checkpoint
final PendingCheckpoint checkpoint = new PendingCheckpoint(
job,
checkpointID,
timestamp,
ackTasks,
props,
checkpointStorageLocation,
executor);
if (statsTracker != null) {
PendingCheckpointStats callback = statsTracker.reportPendingCheckpoint(
checkpointID,
timestamp,
props);
checkpoint.setStatsCallback(callback);
}
// 调剂器会清理掉过期的checkpoint
final Runnable canceller = () -> {
synchronized (lock) {
// 若checkpoint已颠末期则直接丢弃
if (!checkpoint.isDiscarded()) {
LOG.info("Checkpoint {} of job {} expired before completing.", checkpointID, job);
failPendingCheckpoint(checkpoint, CheckpointFailureReason.CHECKPOINT_EXPIRED);
pendingCheckpoints.remove(checkpointID);
rememberRecentCheckpointId(checkpointID);
triggerQueuedRequests();
}
}
};
try {
// 从头获取coordinator锁
synchronized (lock) {
// 因为之前做完预查抄后释放了锁，所以需要再查抄下上述条件
if (shutdown) {
throw new CheckpointException(CheckpointFailureReason.CHECKPOINT_COORDINATOR_SHUTDOWN);
}
else if (!props.forceCheckpoint()) {
if (triggerRequestQueued) {
LOG.warn("Trying to trigger another checkpoint for job {} while one was queued already.", job);
throw new CheckpointException(CheckpointFailureReason.ALREADY_QUEUED);
}
checkConcurrentCheckpoints();
checkMinPauseBetweenCheckpoints();
}
LOG.info("Triggering checkpoint {} @ {} for job {}.", checkpointID, timestamp, job);
pendingCheckpoints.put(checkpointID, checkpoint);
// 创建超时打消线程
ScheduledFuture<?> cancellerHandle = timer.schedule(
canceller,
checkpointTimeout, TimeUnit.MILLISECONDS);
if (!checkpoint.setCancellerHandle(cancellerHandle)) {
// 若checkpoint超时则会被打消
cancellerHandle.cancel(false);
}
// 提前创建钩子等待所有子任务触发checkpoint
final List<MasterState> masterStates = MasterHooks.triggerMasterHooks(masterHooks.values(),
checkpointID, timestamp, executor, Time.milliseconds(checkpointTimeout));
for (MasterState s : masterStates) {
checkpoint.addMasterState(s);
}
}
// end of lock scope
final CheckpointOptions checkpointOptions = new CheckpointOptions(
props.getCheckpointType(),
checkpointStorageLocation.getLocationReference());
// 向所有子任务发送动静触发checkpoint
for (Execution execution: executions) {
if (props.isSynchronous()) {
execution.triggerSynchronousSavepoint(checkpointID, timestamp, checkpointOptions, advanceToEndOfTime);
} else {
// 触发checkpoint,从source算子广播CheckBarrier，当所有算子都完成Checkpoint后，jobManager认为Checkpoint已完成
execution.triggerCheckpoint(checkpointID, timestamp, checkpointOptions);
}
}
// 将掉败的触发器数量归0
numUnsuccessfulCheckpointsTriggers.set(0);
return checkpoint;
}
catch (Throwable t) {
// checkpoint呈现异常则则从pending缓存中去除
synchronized (lock) {
pendingCheckpoints.remove(checkpointID);
}
// 记录checkpoint掉败次数
int numUnsuccessful = numUnsuccessfulCheckpointsTriggers.incrementAndGet();
LOG.warn("Failed to trigger checkpoint {} for job {}. ({} consecutive failed attempts so far)",
checkpointID, job, numUnsuccessful, t);
if (!checkpoint.isDiscarded()) {
failPendingCheckpoint(checkpoint, CheckpointFailureReason.TRIGGER_CHECKPOINT_FAILURE, t);
}
try {
// 掉败后断根此次checkpoint的保留路径和该路径下的所有数据
checkpointStorageLocation.disposeOnFailure();
}
catch (Throwable t2) {
LOG.warn("Cannot dispose failed checkpoint storage location {}", checkpointStorageLocation, t2);
}
throw new CheckpointException(CheckpointFailureReason.EXCEPTION, t);
}
} // end trigger lock
}监控与优化
如果Flink任务对数据一致性有较高的需求，那么checkpoint的指标收集和监控必不成少。一个是可以周期性的检测checkpoint掉败次数并触发报警。此外，可以监控checkpoint的耗时和大小，若耗时较大则可以通过调整checkpoint的间隔来优化，而且过于频繁的checkpoint会导致hdfs小文件过多，增加namenode压力。若checkpoint较大可以测验考试使用RocksDB并开启增量checkpoint。若任务恢复的过程中若checkpoint较大则会从HDFS等存储系统恢复数据，恢复时间可能较长，则可以设置当地状态恢复。
若从checkpoint恢复任务掉败，则可以考虑降级法子恢复，比如通过Flink Metrics将任务消费到的kafka offset按期同步下来，在checkpoint不成用的时候，可以通过指定kafka offset的方式来恢复任务，虽然无法保证数据一致性，但对于大大都一致性要求不高的场景也可以适用。
参考文献 太棒了
页:
[1]