原理解析 | Apache Flink 結合 Kafka 構建端到端的 Exactly-Once 處理

文章目錄：

1. Apache Flink 應用程序中的 Exactly-Once 語義
2. Flink 應用程序端到端的 Exactly-Once 語義
3. 示例 Flink 應用程序啓動預提交階段
4. 在 Flink 中實現兩階段提交 Operator
5. 總結

Apache Flink 自2017年12月發佈的1.4.0版本開始，爲流計算引入了一個重要的里程碑特性：TwoPhaseCommitSinkFunction（相關的Jira）。它提取了兩階段提交協議的通用邏輯，使得經過Flink來構建端到端的Exactly-Once程序成爲可能。同時支持一些數據源（source）和輸出端（sink），包括Apache Kafka 0.11及更高版本。它提供了一個抽象層，用戶只須要實現少數方法就能實現端到端的Exactly-Once語義。

有關TwoPhaseCommitSinkFunction的使用詳見文檔: TwoPhaseCommitSinkFunction。或者能夠直接閱讀Kafka 0.11 sink的文檔: kafka。

接下來會詳細分析這個新功能以及Flink的實現邏輯，分爲以下幾點。

• 描述Flink checkpoint機制是如何保證Flink程序結果的Exactly-Once的

• 顯示Flink如何經過兩階段提交協議與數據源和數據輸出端交互，以提供端到端的Exactly-Once保證

• 經過一個簡單的示例，瞭解如何使用TwoPhaseCommitSinkFunction實現Exactly-Once的文件輸出

1、Apache Flink應用程序中的Exactly-Once語義

當咱們說『Exactly-Once』時，指的是每一個輸入的事件隻影響最終結果一次。即便機器或軟件出現故障，既沒有重複數據，也不會丟數據。

Flink好久以前就提供了Exactly-Once語義。在過去幾年中，咱們對Flink的checkpoint機制有過深刻的描述，這是Flink有能力提供Exactly-Once語義的核心。Flink文檔還提供了該功能的全面概述。

在繼續以前，先看下對checkpoint機制的簡要介紹，這對理解後面的主題相當重要。

• 次checkpoint是如下內容的一致性快照：

• 應用程序的當前狀態

• 輸入流的位置

Flink能夠配置一個固定的時間點，按期產生checkpoint，將checkpoint的數據寫入持久存儲系統，例如S3或HDFS。將checkpoint數據寫入持久存儲是異步發生的，這意味着Flink應用程序在checkpoint過程當中能夠繼續處理數據。

若是發生機器或軟件故障，從新啓動後，Flink應用程序將從最新的checkpoint點恢復處理； Flink會恢復應用程序狀態，將輸入流回滾到上次checkpoint保存的位置，而後從新開始運行。這意味着Flink能夠像從未發生過故障同樣計算結果。

在Flink 1.4.0以前，Exactly-Once語義僅限於Flink應用程序內部，並無擴展到Flink數據處理完後發送的大多數外部系統。Flink應用程序與各類數據輸出端進行交互，開發人員須要有能力本身維護組件的上下文來保證Exactly-Once語義。

爲了提供端到端的Exactly-Once語義 – 也就是說，除了Flink應用程序內部，Flink寫入的外部系統也須要能知足Exactly-Once語義 – 這些外部系統必須提供提交或回滾的方法，而後經過Flink的checkpoint機制來協調。

分佈式系統中，協調提交和回滾的經常使用方法是兩階段提交協議。在下一節中，咱們將討論Flink的TwoPhaseCommitSinkFunction是如何利用兩階段提交協議來提供端到端的Exactly-Once語義。

2、Flink應用程序端到端的Exactly-Once語義

咱們將介紹兩階段提交協議，以及它如何在一個讀寫Kafka的Flink程序中實現端到端的Exactly-Once語義。Kafka是一個流行的消息中間件，常常與Flink一塊兒使用。Kafka在最近的0.11版本中添加了對事務的支持。這意味着如今經過Flink讀寫Kafaka，並提供端到端的Exactly-Once語義有了必要的支持。

Flink對端到端的Exactly-Once語義的支持不只侷限於Kafka，您能夠將它與任何一個提供了必要的協調機制的源/輸出端一塊兒使用。例如Pravega，來自DELL/EMC的開源流媒體存儲系統，經過Flink的TwoPhaseCommitSinkFunction也能支持端到端的Exactly-Once語義。

在今天討論的這個示例程序中，咱們有：

• 從Kafka讀取的數據源（Flink內置的KafkaConsumer）

• 窗口聚合

• 將數據寫回Kafka的數據輸出端（Flink內置的KafkaProducer）

要使數據輸出端提供Exactly-Once保證，它必須將全部數據經過一個事務提交給Kafka。提交捆綁了兩個checkpoint之間的全部要寫入的數據。這可確保在發生故障時能回滾寫入的數據。可是在分佈式系統中，一般會有多個併發運行的寫入任務的，簡單的提交或回滾是不夠的，由於全部組件必須在提交或回滾時「一致」才能確保一致的結果。Flink使用兩階段提交協議及預提交階段來解決這個問題。

在checkpoint開始的時候，即兩階段提交協議的「預提交」階段。當checkpoint開始時，Flink的JobManager會將checkpoint barrier（將數據流中的記錄分爲進入當前checkpoint與進入下一個checkpoint）注入數據流。

brarrier在operator之間傳遞。對於每個operator，它觸發operator的狀態快照寫入到state backend。

數據源保存了消費Kafka的偏移量(offset)，以後將checkpoint barrier傳遞給下一個operator。

這種方式僅適用於operator具備『內部』狀態。所謂內部狀態，是指Flink state backend保存和管理的 -例如，第二個operator中window聚合算出來的sum值。當一個進程有它的內部狀態的時候，除了在checkpoint以前須要將數據變動寫入到state backend，不須要在預提交階段執行任何其餘操做。Flink負責在checkpoint成功的狀況下正確提交這些寫入，或者在出現故障時停止這些寫入。

3、示例Flink應用程序啓動預提交階段

可是，當進程具備『外部』狀態時，須要做些額外的處理。外部狀態一般以寫入外部系統（如Kafka）的形式出現。在這種狀況下，爲了提供Exactly-Once保證，外部系統必須支持事務，這樣才能和兩階段提交協議集成。

在本文示例中的數據須要寫入Kafka，所以數據輸出端（Data Sink）有外部狀態。在這種狀況下，在預提交階段，除了將其狀態寫入state backend以外，數據輸出端還必須預先提交其外部事務。

當checkpoint barrier在全部operator都傳遞了一遍，而且觸發的checkpoint回調成功完成時，預提交階段就結束了。全部觸發的狀態快照都被視爲該checkpoint的一部分。checkpoint是整個應用程序狀態的快照，包括預先提交的外部狀態。若是發生故障，咱們能夠回滾到上次成功完成快照的時間點。

下一步是通知全部operator，checkpoint已經成功了。這是兩階段提交協議的提交階段，JobManager爲應用程序中的每一個operator發出checkpoint已完成的回調。

數據源和 widnow operator沒有外部狀態，所以在提交階段，這些operator沒必要執行任何操做。可是，數據輸出端（Data Sink）擁有外部狀態，此時應該提交外部事務。

咱們對上述知識點總結下：

• 旦全部operator完成預提交，就提交一個commit。

• 若是至少有一個預提交失敗，則全部其餘提交都將停止，咱們將回滾到上一個成功完成的checkpoint。

• 在預提交成功以後，提交的commit須要保證最終成功 – operator和外部系統都須要保障這點。若是commit失敗（例如，因爲間歇性網絡問題），整個Flink應用程序將失敗，應用程序將根據用戶的重啓策略從新啓動，還會嘗試再提交。這個過程相當重要，由於若是commit最終沒有成功，將會致使數據丟失。

所以，咱們能夠肯定全部operator都贊成checkpoint的最終結果：全部operator都贊成數據已提交，或提交被停止並回滾。

4、在Flink中實現兩階段提交Operator

完整的實現兩階段提交協議可能有點複雜，這就是爲何Flink將它的通用邏輯提取到抽象類TwoPhaseCommitSinkFunction中的緣由。

接下來基於輸出到文件的簡單示例，說明如何使用TwoPhaseCommitSinkFunction。用戶只須要實現四個函數，就能爲數據輸出端實現Exactly-Once語義：

• beginTransaction – 在事務開始前，咱們在目標文件系統的臨時目錄中建立一個臨時文件。隨後，咱們能夠在處理數據時將數據寫入此文件。

• preCommit – 在預提交階段，咱們刷新文件到存儲，關閉文件，再也不從新寫入。咱們還將爲屬於下一個checkpoint的任何後續文件寫入啓動一個新的事務。

• commit – 在提交階段，咱們將預提交階段的文件原子地移動到真正的目標目錄。須要注意的是，這會增長輸出數據可見性的延遲。

• abort – 在停止階段，咱們刪除臨時文件。

咱們知道，若是發生任何故障，Flink會將應用程序的狀態恢復到最新的一次checkpoint點。一種極端的狀況是，預提交成功了，但在此次commit的通知到達operator以前發生了故障。在這種狀況下，Flink會將operator的狀態恢復到已經預提交，但還沒有真正提交的狀態。

咱們須要在預提交階段保存足夠多的信息到checkpoint狀態中，以便在重啓後能正確的停止或提交事務。在這個例子中，這些信息是臨時文件和目標目錄的路徑。

TwoPhaseCommitSinkFunction已經把這種狀況考慮在內了，而且在從checkpoint點恢復狀態時，會優先發出一個commit。咱們須要以冪等方式實現提交，通常來講，這並不難。在這個示例中，咱們能夠識別出這樣的狀況：臨時文件不在臨時目錄中，但已經移動到目標目錄了。

在TwoPhaseCommitSinkFunction中，還有一些其餘邊界狀況也會考慮在內，請參考Flink文檔瞭解更多信息。

總結

總結下本文涉及的一些要點：

• Flink的checkpoint機制是支持兩階段提交協議並提供端到端的Exactly-Once語義的基礎。

• 這個方案的優勢是: Flink不像其餘一些系統那樣，經過網絡傳輸存儲數據 – 不須要像大多數批處理程序那樣將計算的每一個階段寫入磁盤。

• Flink的TwoPhaseCommitSinkFunction提取了兩階段提交協議的通用邏輯，基於此將Flink和支持事務的外部系統結合，構建端到端的Exactly-Once成爲可能。

• 從Flink 1.4.0開始，Pravega和Kafka 0.11 producer都提供了Exactly-Once語義；Kafka在0.11版本首次引入了事務，爲在Flink程序中使用Kafka producer提供Exactly-Once語義提供了可能性。

• Kafaka 0.11 producer的事務是在TwoPhaseCommitSinkFunction基礎上實現的，和at-least-once producer相比只增長了很是低的開銷。

這是個使人興奮的功能，期待Flink TwoPhaseCommitSinkFunction在將來支持更多的數據接收端。

via： www.ververica.com/blog/end-to…

做者：Piotr Nowojski

翻譯| 周凱波

周凱波，阿里巴巴技術專家，四川大學碩士，2010年畢業後加入阿里搜索事業部，從事搜索離線平臺的研發工做，參與將搜索後臺數據處理架構從MapReduce到Flink的重構。目前在阿里計算平臺事業部，專一於基於Flink的一站式計算平臺的建設。