Flink中Barrier对齐机制

Flink内部数据精准一次消费

Barrier对齐

• 流程 当一个算子上游有两条或多条输入时，在进行Checkpoint时可能会出现两条流中数据流速不一样，导致多条流同一批次的Barrier到达下游算子的时间不一致， 此时快的Barrier到达下游算子后，此Barrier之后到达的数据将会放到缓冲区，不会进行处理。等到其他流慢的Barrier到达后，此算子才进行checkpoint，然后把状态保存到状态后端。这就是Barrier的对齐机制。
• 优缺点 1）优点：①状态后端保存数据少。 2）缺点：①延迟性高(快的Barrier到达后会阻塞此条流的数据处理)②当作业出现反压时，会加剧作业的反压(当出现反压时，数据本身就处理不过来，此时某条流的数据又阻塞了所以就会加剧反压。)③整体chenkpoint时间变长(因为反压会导致数据流速变慢，导致Barrier流的也慢，所以就会使得整体chenkpoint时间变长)。
• 优化 在Flink1.11后引入了Unaligned Checkpoint的特性，使得当Barrier不对齐的时候也可以实现数据的精准一次消费。

Barrier不对齐(Unaligned Checkpoint)

• 流程 当流速快的Barrier到达下游算子的input buffer后，此时会把这个Barrier插队到此下游算子的output buffer最前面，然后把这个Barrier发生给之后的算子，同时对自身进行快照，这时的快照内容就是当时的状态以及当时所有input buffer和output buffer以及流速慢的Barrier(这个流速慢的Barrier应该是当进行快照时就被移除了，并不会流下去)之前的数据都会保存到状态后端当中。当之后恢复到此次checkpoint的时候，不对齐的数据会重新恢复到各个流中，虽然会重新进行计算，但是此时的状态也是未计算之前的状态。
• 优缺点 1）优点：①加快checkpoint的进行②当作业出现反压时不会造成反压加剧。 2）缺点：①状态后端保存数据多②进行状态恢复的时比较慢。

Flink内部数据至少一次消费

Barrier不对齐

• 流程 这个不对齐和上边的精准一次消费不对齐机制是不一样的。当流速快的Barrier流到下游算子当中，此时不理会此Barrier，正常进行后续数据的计算。当流速慢的Barrier到来的时候，此时进行快照。此时进行快照时，会把流速慢的那条流中相同Barrier后的数据也进行计算一部分，然后把计算完的状态保存到状态后端，之后进行状态恢复时，会把Barrier之后的数据进行重复，而此时状态的结果是包含一部分Barrier之后的数据的 ，此时就会造成数据的重复消费问题。
• 优缺点 1）优点：①不会阻塞数据，延迟低。 2）缺点：①造成数据的重复消费问题。