Flink

在 Flink 中需要端到端精準(zhǔn)一次處理的位置有三個(gè)：

Flink 端到端精準(zhǔn)一次處理

Source 端：數(shù)據(jù)從上一階段進(jìn)入到 Flink 時(shí)，需要保證消息精準(zhǔn)一次消費(fèi)。

Flink 內(nèi)部端：這個(gè)我們已經(jīng)了解，利用 Checkpoint 機(jī)制，把狀態(tài)存盤(pán)，發(fā)生故障的時(shí)候可以恢復(fù)，保證內(nèi)部的狀態(tài)一致性。不了解的小伙伴可以看下我之前的文章：

Flink可靠性的基石－checkpoint機(jī)制詳細(xì)解析

Sink 端：將處理完的數(shù)據(jù)發(fā)送到下一階段時(shí)，需要保證數(shù)據(jù)能夠準(zhǔn)確無(wú)誤發(fā)送到下一階段。

在 Flink 1．4 版本之前，精準(zhǔn)一次處理只限于 Flink 應(yīng)用內(nèi)，也就是所有的 Operator 完全由 Flink 狀態(tài)保存并管理的才能實(shí)現(xiàn)精確一次處理。但 Flink 處理完數(shù)據(jù)后大多需要將結(jié)果發(fā)送到外部系統(tǒng)，比如 Sink 到 Kafka 中，這個(gè)過(guò)程中 Flink 并不保證精準(zhǔn)一次處理。

在 Flink 1．4 版本正式引入了一個(gè)里程碑式的功能：兩階段提交 Sink，即 TwoPhaseCommitSinkFunction 函數(shù)。該 SinkFunction 提取并封裝了兩階段提交協(xié)議中的公共邏輯，自此 Flink 搭配特定 Source 和 Sink（如  Kafka 0．11 版）實(shí)現(xiàn)精確一次處理語(yǔ)義（英文簡(jiǎn)稱：EOS，即 Exactly－Once Semantics）。

Flink端到端精準(zhǔn)一次處理語(yǔ)義（EOS）

注：以下內(nèi)容適用于 Flink 1．4 及之后版本

對(duì)于 Source 端：Source 端的精準(zhǔn)一次處理比較簡(jiǎn)單，畢竟數(shù)據(jù)是落到 Flink 中，所以 Flink 只需要保存消費(fèi)數(shù)據(jù)的偏移量即可， 如消費(fèi) Kafka 中的數(shù)據(jù)，F(xiàn)link 將 Kafka Consumer 作為 Source，可以將偏移量保存下來(lái)，如果后續(xù)任務(wù)出現(xiàn)了故障，恢復(fù)的時(shí)候可以由連接器重置偏移量，重新消費(fèi)數(shù)據(jù)，保證一致性。

對(duì)于 Sink 端：Sink 端是最復(fù)雜的，因?yàn)閿?shù)據(jù)是落地到其他系統(tǒng)上的，數(shù)據(jù)一旦離開(kāi) Flink 之后，F(xiàn)link 就監(jiān)控不到這些數(shù)據(jù)了，所以精準(zhǔn)一次處理語(yǔ)義必須也要應(yīng)用于 Flink 寫(xiě)入數(shù)據(jù)的外部系統(tǒng)，故這些外部系統(tǒng)必須提供一種手段允許提交或回滾這些寫(xiě)入操作，同時(shí)還要保證與 Flink Checkpoint 能夠協(xié)調(diào)使用（Kafka 0．11 版本已經(jīng)實(shí)現(xiàn)精確一次處理語(yǔ)義）。

我們以 Flink 與 Kafka 組合為例，F(xiàn)link 從 Kafka 中讀數(shù)據(jù)，處理完的數(shù)據(jù)在寫(xiě)入 Kafka 中。

為什么以Kafka為例，第一個(gè)原因是目前大多數(shù)的 Flink 系統(tǒng)讀寫(xiě)數(shù)據(jù)都是與 Kafka 系統(tǒng)進(jìn)行的。第二個(gè)原因，也是最重要的原因 Kafka 0．11 版本正式發(fā)布了對(duì)于事務(wù)的支持，這是與Kafka交互的Flink應(yīng)用要實(shí)現(xiàn)端到端精準(zhǔn)一次語(yǔ)義的必要條件。

當(dāng)然，F(xiàn)link 支持這種精準(zhǔn)一次處理語(yǔ)義并不只是限于與 Kafka 的結(jié)合，可以使用任何 Source／Sink，只要它們提供了必要的協(xié)調(diào)機(jī)制。

Flink 與 Kafka 組合

Flink 應(yīng)用示例

如上圖所示，F(xiàn)link 中包含以下組件：

一個(gè) Source，從 Kafka 中讀取數(shù)據(jù)（即 KafkaConsumer）

一個(gè)時(shí)間窗口化的聚會(huì)操作（Window）

一個(gè) Sink，將結(jié)果寫(xiě)入到 Kafka（即 KafkaProducer）

若要 Sink 支持精準(zhǔn)一次處理語(yǔ)義（EOS），它必須以事務(wù)的方式寫(xiě)數(shù)據(jù)到 Kafka，這樣當(dāng)提交事務(wù)時(shí)兩次 Checkpoint 間的所有寫(xiě)入操作當(dāng)作為一個(gè)事務(wù)被提交。這確保了出現(xiàn)故障或崩潰時(shí)這些寫(xiě)入操作能夠被回滾。

當(dāng)然了，在一個(gè)分布式且含有多個(gè)并發(fā)執(zhí)行 Sink 的應(yīng)用中，僅僅執(zhí)行單次提交或回滾是不夠的，因?yàn)樗�有組件都必須對(duì)這些提交或回滾達(dá)成共識(shí)，這樣才能保證得到一個(gè)一致性的結(jié)果。Flink 使用兩階段提交協(xié)議以及預(yù)提交（Pre－commit）階段來(lái)解決這個(gè)問(wèn)題。