Flink的分布式快照（检查点算法）原理--基于Chandy-Lamport算法

Flink的恢复机制的核心就是应用状态的一致性检查点，有状态流的一致性检查点，其实就是所有状态在某个时间点的一份快照拷贝，而这个时间点应该是所有任务都恰好处理完同一个输入数据。
**

Flink使用的检查点算法是分布式快照算法（基于Chandy-Lamport算法的分布式快照）

**
检查点的两种实现：
（1）检查点算法的简单实现–暂停应用，保存状态到检查点，在重新恢复应用
（2）Flink基于检查点算法的优化实现–基于Chandy-Lamport算法的分布式快照，将检查点的保存和数据分开处理，不需要暂停整个应用，这里引入状态后端的概念。
以下介绍flink的检查点算法：
首先介绍一个概念：Checkpoint Barrier，记住他的作用哦

图解检查点算法在flink任务流程中的实现原理：
1.两条流使用2个source来读取数据

2.jobmanager会向每个source任务发送一个带有检查点id的消息，启动检查点（如图中ID=2）

3.source将读取的偏移量状态写入检查点id为2的状态后端中，并发送一个barrier（检查点屏障–对应的id也为2）；
状态后端保存完成会通知source任务，source任务会向jobmanager确认检查点完成（此处为异步操作）

4.barrier–id=2会向下游传递，每到达一个分区，该分区中的数据就会被缓存到状态后端中
注：这里是transformation的过程



5.直到sink向jobmanager确认状态保存到状态后端完成此次的cp就正式完成了，这就是flink的分布式快照实现。
注：source–transformation–sink是flink的基本架构，如果不明白可以去看一下flink的架构信息。相信理解了flink的架构能够更好地理解他的分布式快照流程。