文档首页> 数据湖探索 DLI> 常见问题> Flink作业相关问题> 性能调优> Flink作业重启后,如何保证不丢失数据?
更新时间:2022-11-09 GMT+08:00

Flink作业重启后,如何保证不丢失数据?

DLI Flink提供了完整可靠的Checkpoint/Savepoint机制,您可以利用该机制,保证在手动重启或者作业异常重启场景下,不丢失数据。

  • 为了避免系统故障导致作业异常自动重启后,丢失数据:
    • 对于Flink SQL作业,您可以勾选“开启Checkpoint”,并合理配置Checkpoint间隔(权衡执行Checkpoint对业务性能的影响以及异常恢复的时长),同时勾选“异常自动重启”,并勾选“从Checkpoint恢复”。配置后,作业异常重启,会从最新成功的Checkpoint文件恢复内部状态和消费位点,保证数据不丢失及聚合算子等内部状态的精确一致语义。同时,为了保证数据不重复,建议使用带主键数据库或者文件系统作为目标数据源,否则下游处理业务需要加上去重逻辑(最新成功Checkpoint记录位点到异常时间段内的数据会重复消费)。
      图1 Flink作业配置参数
    • 对于Flink Jar作业,您需要参考《Flink 自定义作业如何配置checkpoint保存到OBS》,在代码中开启Checkpoint,同时如果有自定义的状态需要保存,您还需要实现ListCheckpointed接口,并为每个算子设置唯一ID。然后在作业配置中,勾选“从Checkpoint恢复”,并准确配置Checkpoint路径。
      图2 开启Checkpoint

      Flink Checkpoint机制可以保证Flink平台可感知内部状态的精确一致,但对于自定义Source/Sink或者有状态算子,需要合理实现ListCheckpointed接口,来保证业务数据需要的可靠性。

  • 为了避免因业务修改等需要,手动重启作业后,不丢失数据:
    • 对于无内部状态的作业,您可以配置kafka数据源的启动时间或者消费位点到作业停止之前。
    • 对于有内部状态的作业,您可以在停止作业时,勾选“触发保存点”。成功后,再次启动作业时,开启“恢复保存点”,作业将从选择的savepoint文件中恢复消费位点及状态。同时,由于Flink Checkpoint和Savepoint生成机制及格式一致,因而,也可以通过Flink作业列表“操作”列中的“更多”>“导入保存点”,导入OBS中最新成功的Checkpoint,并从中恢复。
      图3 停止作业
      图4 恢复保存点

性能调优 所有常见问题

more