一致性检查点（checkpoint）
从检查点恢复状态
Flink检查点算法
保存点（save point）
1. 一致性检查点（checkpoint）
Flink--有状态的流式处理
如上图sum_even （2+4），sum_odd（1 + 3 + 5），5这个数据之前的都处理完了，就出保存一个checkpoint；Source任务保存状态5，sum_event任务保存状态6，sum_odd保存状态是9；这三个保存到状态后端中就构成了CheckPoint；
Flink故障恢复机制的核心，就是应用状态的一致性检查点；
有状态流应用的一致性检查点（checkpoint），其实就是所有任务的状态，在某个时间点的一份拷贝（一份快照）；这个时间点，应该是所有任务都恰好处理完一个相同的输入数据的时候 。（这个同一时间点并不是物理上的在同一时刻）
2. 从检查点恢复状态
sum_even（2 + 4 + 6）；sum_odd（1 + 3 + 5）；
在执行应用程序期间，Flink会定期保存状态的一致性检查点；
如果发生故障，Flink将会使用最近的检查点来一致恢复应用程序的状态，并重新启动处理流程；
遇到故障之后，第一步就是重启应用；
第二步是从checkpoint中读取状态，将状态重置；
从检查点重新启动应用程序后，其内部状态与检查点完成时的状态完全相同；
第三步 ：开始消费并处理检查点到发生故障之间的所有数据；
这种检查点的保存和恢复机制可以为应用程序状态提供“精确一次”（exactly-once）的一致性，因为所有算子都会保存检查点并恢复其所有状态，这样一来所有的输入流就都会被重置到检查点完成时的位置。
3. 检查点的实现算法
简单：暂停应用，保存状态到检查点，再重新恢复应用；
Flink的改进：基于Chandy-Lamport算法的分布式快照；将检查点的保存和数据处理分离开，不暂停整个应用；
检查点分界线（CheckPoint Barrier）
Flink的检查点算法用到了一种称为分界线（barrier）的特殊数据形式，用来把一条流上数据按照不同的检查点分开；
分界线之前到来的数据导致的状态更改，都会被包含在当前分界线所属的检查点中；而基于分界线之后的数据导致的所有更改，就会被包含在之后的检查点中；
现在是一个有两个输入流的应用程序，用并行的两个Source任务来读取：
两个并行输入源按奇偶数来做sum，类似keyBy重分区map为二元组再做奇偶keyBy，Sum odd（1 + 1 + 3），Sum even（2）
JobManager会向每个source任务发送一条带有新检查点ID的消息，通过这种方式来启动检查点；
数据源将它们的状态写入检查点，并发出一个检查点barrier；
状态后端在状态存入检查点之后，会返回通知给source任务，source任务就会向JobManager确认检查点完成。
source1和source2收到检查点ID = 2时，分别存入自己的偏移量蓝3和黄4，存完之后返回一个ID2通知JobManager快照已保存好；（在保存快照时它会暂停发送和处理数据，同事它也会向下游发送带有检查点ID的barrier，发送的方式直接广播；这个过程中Sum和sink任务也没闲着都在处理数据）
分界线对齐（barrier对齐）：barrier向下游传递，sum任务会等待所有输入分区的的barrier到达；
对于barrier已经到达的分区，继续到达的数据会被缓存；
而barrier尚未到达的分区，数据会被正常处理；
（比如蓝2通知给了Sum even，它会等黄2的barrier到达，这时处理的数据4来了，会先被缓存因为它数据下一个checkpoint的数据； 黄2的checkpoint还没来这时它如果来数据还会正常处理更改状态，如上图的在黄2的barrier还没来之前，source2的数据来了条4，它会正常处理Sum event（2 + 2 + 4））
当收到所有输入分区的barrier时，任务就将其状态保存到状态后端的检查点中，然后将barrier继续向下游转发。
barrier对齐之后（Sum even和Sum odd都接收到了两个source发来的barrier），将它们各自的8状态存入checkpoint中；接下来继续向下游Sink广播barrier；
向下游转发检查点的barrier后，任务继续正常的数据处理；
先处理缓存的数据，蓝4加载进来Sum event 12，黄6进来Sum event 18。
Sink任务向JobManager确认状态保存到checkpoint完毕；（Sink接收到barrier后先保存状态到checkpoint，然后向JobManager汇报）
当所有任务都确认已成功将状态保存到检查点时，检查点就真正完成了。
4. 保存点（Savepoints）
Flink还提供了可以自定义的镜像保存功能，就是保存点（savepoints）；
原则上，创建保存点使用的算法与检查点完全相同，因此保存点可以认为就是具有一些额外元数据的检查点；
Flink不会自动创建保存点，因此用户（或者外部调度程序）必须明确地触发创建操作；
保存点是一个强大的功能，除了故障恢复外，保存点可以用于：有计划的手动备份，更新应用程序，版本迁移，暂停或重启应用，等等
5.代码中checkpoint
val env: StreamExecutionEnvironment = StreamExecutionEnvironment.getExecutionEnvironment
//默认是不开启的
env.enableCheckpointing(60000) //1分钟checkpoint一次
env.getCheckpointConfig.setCheckpointingMode(CheckpointingMode.AT_LEAST_ONCE)
env.getCheckpointConfig.setCheckpointTimeout(100000L) //超时时间
env.getCheckpointConfig.setFailOnCheckpointingErrors(false) //checkpoint发生异常是否停止整个任务，默认是true
env.getCheckpointConfig.setMaxConcurrentCheckpoints(2) //同时这几个checkpoint，可能一个没起来另外一个就起来，有可能影响性能；默认1
env.getCheckpointConfig.setMinPauseBetweenCheckpoints(100) //两个checkpoint的间隔
env.getCheckpointConfig.enableExternalizedCheckpoints(ExternalizedCheckpointCleanup.DELETE_ON_CANCELLATION) //开启外部持久化，即使job失败也不会清洗checkpoint
env.setRestartStrategy(RestartStrategies.failureRateRestart(3, org.apache.flink.api.common.time.Time.seconds(300), org.apache.flink.api.common.time.Time.seconds(10))) //重启策略
原文地址：https://www.cnblogs.com/shengyang17/p/12559810.html