Flink 系列之二十二 - 高级概念 - 保存点

之前做过数据平台，对于实时数据采集，使用了Flink。现在想想，在数据开发平台中，Flink的身影几乎无处不在，由于之前是边用边学，总体有点混乱，借此空隙，整理一下Flink的内容，算是一个知识积累，同时也分享给大家。

注意：由于框架不同版本改造会有些使用的不同，因此本次系列中使用基本框架是 Flink-1.19.x，Flink支持多种语言，这里的所有代码都是使用java，JDK版本使用的是19。
代码参考：https://github.com/forever1986/flink-study.git

上一章讲了 检查点（Checkpoints） ，关于Flink的恢复还有另外一个是 保存点（Savepoints ） 。这一章就来说一下 保存点（Savepoints ） 的内容以及如何从 检查点（Checkpoints） 和 保存点（Savepoints ） 恢复数据

1 保存点（Savepoints ）

保存点（Savepoints ） 是依据 Flink 检查点（Checkpoints） 机制所创建的流作业执行状态的一致镜像。 可以使用 **保存点（Savepoints ）**进行 Flink 作业的停止与重启、fork 或者更新。 **保存点（Savepoints ）**由两部分组成：

• 稳定存储：例如 HDFS，S3等，包含二进制文件的目录（通常很大），和元数据文件（相对较小）。 稳定存储上的文件表示作业执行状态的数据镜像。
• 元数据文件：以（相对路径）的形式包含（主要）指向作为 Savepoint 一部分的稳定存储上的所有文件的指针。

2 检查点（Checkpoints）和保存点（Savepoints ）的区别

从概念上讲，Flink 的 检查点（Checkpoints） 和 保存点（Savepoints ） 的不同之处类似于传统数据库系统中的备份与恢复日志之间的差异。
检查点（Checkpoints） 的主要目的是为意外失败的作业提供恢复机制。 检查点（Checkpoints） 的生命周期 由 Flink 管理， 即 Flink 创建，管理和删除 checkpoint - 无需用户交互。 由于 检查点（Checkpoints） 被动触发，且被用于作业恢复，所以 检查点（Checkpoints） 的实现有两个设计目标：i）轻量级创建 ii）尽可能快地恢复。 可能会利用某些特定的属性来达到这个目标，因此会被一些内容所限制。
而 保存点（Savepoints ） 内部使用与 检查点（Checkpoints） 相同的机制创建，但它们在概念上有所不同，并且生成和恢复的成本可能会更高一些。 保存点（Savepoints ） 的设计更侧重于可移植性和操作灵活性，尤其是在 job 变更方面。 保存点（Savepoints ） 的用例是针对计划中的、手动的运维。例如，可能是更新 Flink 版本，更改你的作业图等等。

总结一下区别：

\	检查点（Checkpoints）	保存点（Savepoints ）
触发方式	被动	主动
生命周期管理	Flink管理	用户自己管理
作用	主要用于故障恢复	主要用于保存或移植
兼容性	低	高

3 功能和限制

下表概述了各种情况进行恢复时， 检查点（Checkpoints） 和 保存点（Savepoints ） 的功能和限制。

✓ - Flink 完全支持这种类型的快照
x - Flink 不支持这种类型的快照
! - 虽然这些操作目前有效，但 Flink 并未正式保证对它们的支持，因此它们存在一定程度的风险

\	标准 Savepoint	原生 Savepoint	对齐 Checkpoint	非对齐 Checkpoint
更换状态后端	✓	x	x	x
State Processor API (写)	✓	x	x	x
State Processor API (读)	✓	!	!	x
自包含和可移动	✓	✓	x	x
Schema 变更	✓	!	!	!
任意 job 升级	✓	✓	✓	x
非任意 job 升级	✓	✓	✓	✓
Flink 小版本升级	✓	✓	✓	x
Flink bug/patch 版本升级	✓	✓	✓	✓
扩缩容	✓	✓	✓	✓

4 保存点（Savepoints ）演示

示例说明：以wordcount代码为示例，演示保存点（Savepoints ）的保存与恢复。这里利用在《系列之二 - 集群和部署》中部署的standalone集群进行提交任务

4.1 启动standalone集群

./start-cluster.sh

可以看到启动结果

打开控制台

4.2 编写代码

1）在lesson12子模块中新增SavepointDemo 类

import org.apache.flink.api.common.functions.FlatMapFunction;
import org.apache.flink.api.java.tuple.Tuple2;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.util.Collector;public class SavepointDemo {public static void main(String[] args) throws Exception {// 1.创建执行环境StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();// 2.数据处理env.socketTextStream("clickhouse1", 9999).flatMap(new Tokenizer()).keyBy(value -> value.f0).sum(1).print();// 3.执行env.execute();}/*** 自定义切分句子的分词器，遇到空格、标点符合都是切割，并输出的是一个Tuple2*/public static final class Tokenizerimplements FlatMapFunction<String, Tuple2<String, Integer>> {@Overridepublic void flatMap(String value, Collector<Tuple2<String, Integer>> out) {String[] tokens = value.toLowerCase().split("\\W+");for (String token : tokens) {if (!token.isEmpty()) {out.collect(new Tuple2<>(token, 1));}}}}
}

4.3 编译和打包

1）将使用maven打包，得到 lesson12-1.0-SNAPSHOT.jar

4.4 启动netcat

之前在《系列之二 - 集群和部署》中已经在clickhouse1的机子上安装了netcat，这里直接运行即可

nc -lk 9999

4.5 提交任务

将打包完成的lesson12-1.0-SNAPSHOT.jar放到准备提交的机器，示例这里是在clickhouse1这台机器上面，这里根据你自己的机器，提交任务

./flink run -d -m clickhouse1:8081 -c com.demo.lesson12.SavepointDemo ./lesson12-1.0-SNAPSHOT.jar

4.6 输入测试数据

1）在netcat中输入“hello flink”

2）从控制台可以看到打印结果

知识点：此时的hello=1次，flink=1次。下次从保存点恢复时，看看这个计数会不会从1次开始累加

4.7 取消任务并记录保存点

1）在控制台可以找到Job任务id

2）执行取消命令（注意：id是前面得到的任务id，保存点的路径，这里自己定义，示例中就保存在本地路径：/home/linmoo/Downloads/flink-1.19.2/checkpoints 下面）：

./flink cancel -s file:///home/linmoo/Downloads/flink-1.19.2/checkpoints bb2727fa5e3792b0c2ee8299997fd538

3）执行结果

4）查看保存路径/home/linmoo/Downloads/flink-1.19.2/checkpoints是否存储已经保存的保存点

4.8 从保存点恢复

1）关闭netcat，然后在重新开启

2）确认保存点的路径，示例这里是：/home/linmoo/Downloads/flink-1.19.2/checkpoints/savepoint-bb2727-a2bd05969a0a

3）执行重新提交任务，这里会通过-s参数传入保存点地址

./flink run -d -m clickhouse1:8081 -s file:///home/linmoo/Downloads/flink-1.19.2/checkpoints/savepoint-bb2727-a2bd05969a0a -c com.demo.lesson12.SavepointDemo ./lesson12-1.0-SNAPSHOT.jar

4）提交结果

4.9 测试结果

1）在netcat中输入

2）从控制台看接口，

知识点：测试netcat输入一次“hello world”和一次“hello flink”
任务的打印的结果是hello累加到3次，flink累加到2次。说明已经从保存点恢复

至此，就演示了如何从 保存点（Savepoints ） 恢复状态数据。检查点的原理是一样的，只需要将路径制定到对应检查点即可，但是请参考前面的《3 功能和限制》，有些情况检查点是无法恢复的。

结语：这一章讲了 保存点（Savepoints ） ，以及演示了如何从 保存点（Savepoints ） 恢复数据。关于 检查点（Checkpoints） 和 保存点（Savepoints ） 就讲完了，下章开始会接触Flink的另外一种API编写方式：SQL方式