Flink的CheckPoint

Checkpoint

checkpoint是Flink容错的核心机制。它可以定期的将各个Operator处理的数据进行快照存储（Snapshot）。

如果Flink程序出现宕机，可以重新从这些快照中恢复数据。

Flink容错机制的核心就是持续创建分布式数据流及其状态的一致快照。Flink的checkpoint是通过分布式快照实现的，

所以在flink中这两个词是一个意思。

checkpoint用来保证任务的错误恢复。任务失败可以从最新的checkpoint恢复。

checkpoint机制需要一个可靠的可以回放数据的数据源（kafka，RabbitMQ，HDFS...）和一个存放state的持久存储（hdfs，S3）

1、checkpointConfig

通过调用StreamExecutionEnvironment.enableCheckpointing(internal,mode) 启用checkpoint 。

internal 默认是 -1，表示checkpoint不开启，mode默认是EXACTLY_ONCE模式。

可设置checkpoint timeout，超过这个时间 checkpoint 没有成功，checkpoint 终止。默认 10分钟。

可设置 chekpoint 失败任务是否任务也失败，默认是true

可设置同时进行的checkpoint数量，默认是1.

2、barrier

将barrier插入到数据流中，作为数据流的一部分和数据一起向下流动。Barrier不会干扰正常数据，数据流严格有序。

一个barrier把数据流分割成两部分：一部分进入到当前快照，另一部分进入到下一个快照。

每一个barrier都带有快照ID，并且barrier之前的数据都进入了此快照。Barrier不会干扰数据流处理，所以非常轻量。

多个不同快照的多个barrier会在流中同时出现，即多个快照可能同时创建。

Barrier在数据源端插入，当 snapshot 的barrier 插入后，系统会记录当前snashot 位置值n (用Sn表示。)

例如：在 Apache Kafka中，这个变量表示某个分区中最后一条数据的偏移量。这个位置值Sn 会被发送到一个称为 checkpoint coordinator的模块。

然后 barrier 继续向下移动，当一个 operator 从其输入流接收到所有标识 snapshot n 的 barrier时，它会向其所有输入流插入一个标识 snapshot n 的

barrier。当sink operator (DAG流的终点) 从其输入流接收到所有 barrier n时，它向 the checkpoint coordinator 确认 snapshot n 已完成。

当所有 sink 都确认了这个快照，快照就被标识为完成。

3、

3.1 如何触发 checkpoint？

3.2 异步储存快照