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，使得通過 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，用戶只需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。或者可以直接閱讀 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，分爲如下幾點。
描述 Flink checkpoint 機制是如何保證Flink程序結果的 Exactly-Once 的
顯示 Flink 如何通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
通過一個簡單的示例，瞭解如何使用 TwoPhaseCommitSinkFunction 實現 Exactly-Once 的文件輸出
Flink 應用程序中的 Exactly-Once 語義
當我們說『Exactly-Once』時，指的是每個輸入的事件隻影響最終結果一次。即使機器或軟件出現故障，既沒有重複數據，也不會丟數據。
Flink 很久之前就提供了 Exactly-Once 語義。在過去幾年中，我們對 Flink 的 checkpoint 機制有過深入的描述，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。
在繼續之前，先看下對 checkpoint 機制的簡要介紹，這對理解後面的主題至關重要。
一次 checkpoint 是以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 可以配置一個固定的時間點，定期產生 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 過程中可以繼續處理數據。
如果發生機器或軟件故障，重新啓動後，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，然後重新開始運行。這意味着 Flink 可以像從未發生過故障一樣計算結果。
在 Flink 1.4.0 之前，Exactly-Once 語義僅限於 Flink 應用程序內部，並沒有擴展到 Flink 數據處理完後發送的大多數外部系統。Flink 應用程序與各種數據輸出端進行交互，開發人員需要有能力自己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 寫入的外部系統也需要能滿足 Exactly-Once 語義 - 這些外部系統必須提供提交或回滾的方法，然後通過 Flink 的 checkpoint 機制來協調。
分佈式系統中，協調提交和回滾的常用方法是兩階段提交協議。在下一節中，我們將討論 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。
Flink 應用程序端到端的 Exactly-Once 語義
我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，經常與 Flink 一起使用。Kafka 在最近的 0.11 版本中添加了對事務的支持。這意味着現在通過 Flink 讀寫 Kafka ，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 語義的支持不僅侷限於 Kafka ，您可以將它與任何一個提供了必要的協調機制的源/輸出端一起使用。例如 Pravega，來自 DELL/EMC 的開源流媒體存儲系統，通過 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，我們有：
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，它必須將所有數據通過一個事務提交給 Kafka。提交捆綁了兩個 checkpoint 之間的所有要寫入的數據。這可確保在發生故障時能回滾寫入的數據。但是在分佈式系統中，通常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，因爲所有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。對於每一個 operator，它觸發 operator 的狀態快照寫入到 state backend。
exactly-once-two-phase-commit-2
數據源保存了消費 Kafka 的偏移量(offset)，之後將 checkpoint barrier 傳遞給下一個 operator。
這種方式僅適用於 operator 具有『內部』狀態。所謂內部狀態，是指 Flink statebackend 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 之前需要將數據變更寫入到 state backend ，不需要在預提交階段執行任何其他操作。Flink 負責在 checkpoint 成功的情況下正確提交這些寫入，或者在出現故障時中止這些寫入。
exactly-once-two-phase-commit-3
示例 Flink 應用程序啓動預提交階段
但是，當進程具有『外部』狀態時，需要作些額外的處理。外部狀態通常以寫入外部系統（如 Kafka）的形式出現。在這種情況下，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需要寫入 Kafka，因此數據輸出端（ Data Sink ）有外部狀態。在這種情況下，在預提交階段，除了將其狀態寫入 state backend 之外，數據輸出端還必須預先提交其外部事務。
exactly-once-two-phase-commit-4
當 checkpoint barrier 在所有 operator 都傳遞了一遍，並且觸發的 checkpoint 回調成功完成時，預提交階段就結束了。所有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。如果發生故障，我們可以回滾到上次成功完成快照的時間點。
下一步是通知所有 operator，checkpoint 已經成功了。這是兩階段提交協議的提交階段，JobManager 爲應用程序中的每個 operator 發出 checkpoint 已完成的回調。
數據源和 windnow operator 沒有外部狀態，因此在提交階段，這些 operator 不必執行任何操作。但是，數據輸出端（Data Sink）擁有外部狀態，此時應該提交外部事務。
exactly-once-two-phase-commit-5
我們對上述知識點總結下：
一旦所有 operator 完成預提交，就提交一個 commit。
如果至少有一個預提交失敗，則所有其他提交都將中止，我們將回滾到上一個成功完成的 checkpoint 。
在預提交成功之後，提交的 commit 需要保證最終成功 - operator 和外部系統都需要保障這點。如果 commit 失敗（例如，由於間歇性網絡問題），整個 Flink 應用程序將失敗，應用程序將根據用戶的重啓策略重新啓動，還會嘗試再提交。這個過程至關重要，因爲如果 commit 最終沒有成功，將會導致數據丟失。
因此，我們可以確定所有 operator 都同意 checkpoint 的最終結果：所有 operator 都同意數據已提交，或提交被中止並回滾。
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，這就是爲什麼 Flink 將它的通用邏輯提取到抽象類 TwoPhaseCommitSinkFunction 中的原因。
接下來基於輸出到文件的簡單示例，說明如何使用 TwoPhaseCommitSinkFunction 。用戶只需要實現四個函數，就能爲數據輸出端實現 Exactly-Once 語義：
beginTransaction - 在事務開始前，我們在目標文件系統的臨時目錄中創建一個臨時文件。隨後，我們可以在處理數據時將數據寫入此文件。
preCommit - 在預提交階段，我們刷新文件到存儲，關閉文件，不再重新寫入。我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，我們將預提交階段的文件原子地移動到真正的目標目錄。需要注意的是，這會增加輸出數據可見性的延遲。
abort - 在中止階段，我們刪除臨時文件。
我們知道，如果發生任何故障，Flink 會將應用程序的狀態恢復到最新的一次 checkpoint 點。一種極端的情況是，預提交成功了，但在這次 commit 的通知到達 operator 之前發生了故障。在這種情況下，Flink 會將 operator 的狀態恢復到已經預提交，但尚未真正提交的狀態。
我們需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中止或提交事務。在這個例子中，這些信息是臨時文件和目標目錄的路徑。
TwoPhaseCommitSinkFunction 已經把這種情況考慮在內了，並且在從 checkpoint 點恢復狀態時，會優先發出一個 commit 。我們需要以冪等方式實現提交，一般來說，這並不難。在這個示例中，我們可以識別出這樣的情況：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，還有一些其他邊界情況也會考慮在內，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。
這個方案的優點是: Flink 不像其他一些系統那樣，通過網絡傳輸存儲數據 - 不需要像大多數批處理程序那樣將計算的每個階段寫入磁盤。
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。
Kafka 0.11 producer的事務是在 TwoPhaseCommitSinkFunction 基礎上實現的，和 at-least-once producer 相比只增加了非常低的開銷。
這是個令人興奮的功能，期待 Flink TwoPhaseCommitSinkFunction 在未來支持更多的數據接收端。