继续Flink Fault Tolerance机制剖析。上一篇文章我们结合代码讲解了Flink中检查点是如何应用的（如何根据快照做失败恢复，以及检查点被应用的场景），这篇我们来谈谈检查点的触发机制以及基于Actor的消息驱动的协同机制。这篇涉及到一个非常关键的类——CheckpointCoordinator。
org.apache.flink.runtime.checkpoint.CheckpointCoordinator
该类可以理解为检查点的协调器，用来协调operator和state的分布式快照。
周期性的检查点触发机制
检查点的触发机制是基于定时器的周期性触发。这涉及到一个定时器的实现类ScheduledTrigger
ScheduledTrigger
触发检查点的定时任务类。其实现就是调用triggerCheckpoint方法。这个方法后面会具体介绍。
public void run() {
try {
triggerCheckpoint(System.currentTimeMillis());
}
catch (Exception e) {
LOG.error("Exception while triggering checkpoint", e);
}
}startCheckpointScheduler
启动触发检查点的定时任务的方法实现：
public void startCheckpointScheduler() {
synchronized (lock) {
if (shutdown) {
throw new IllegalArgumentException("Checkpoint coordinator is shut down");
}
// make sure all prior timers are cancelled
stopCheckpointScheduler();
try {
// Multiple start calls are OK
checkpointIdCounter.start();
} catch (Exception e) {
String msg = "Failed to start checkpoint ID counter: " + e.getMessage();
throw new RuntimeException(msg, e);
}
periodicScheduling = true;
currentPeriodicTrigger = new ScheduledTrigger();
timer.scheduleAtFixedRate(currentPeriodicTrigger, baseInterval, baseInterval);
}
}方法的实现包含两个主要动作：
- 启动检查点ID计数器
checkpointIdCounter - 启动触发检查点的定时任务
stopCheckpointScheduler
关闭定时任务的方法，用来释放资源，重置一些标记变量。
triggerCheckpoint
该方法是触发一个新的检查点的核心逻辑。
首先，方法中会去判断一个flag:triggerRequestQueued。该标识表示是否一个检查点的触发请求不能被立即执行。
// sanity check: there should never be more than one trigger request queued
if (triggerRequestQueued) {
LOG.warn("Trying to trigger another checkpoint while one was queued already");
return false;
}如果不能被立即执行，则直接返回。
不能被立即执行的原因是：还有其他处理没有完成。
接着检查正在并发处理的未完成的检查点：
// if too many checkpoints are currently in progress, we need to mark that a request is queued
if (pendingCheckpoints.size() >= maxConcurrentCheckpointAttempts) {
triggerRequestQueued = true;
if (currentPeriodicTrigger != null) {
currentPeriodicTrigger.cancel();
currentPeriodicTrigger = null;
}
return false;
}如果未完成的检查点过多，大于允许的并发处理的检查点数目的阈值，则将当前检查点的触发请求设置为不能立即执行，如果定时任务已经启动，则取消定时任务的执行，并返回。
以上这些检查处于基于锁机制实现的同步代码块中。
接着检查需要被触发检查点的task是否都处于运行状态：
ExecutionAttemptID[] triggerIDs = new ExecutionAttemptID[tasksToTrigger.length];
for (int i = 0; i < tasksToTrigger.length; i++) {
Execution ee = tasksToTrigger[i].getCurrentExecutionAttempt();
if (ee != null && ee.getState() == ExecutionState.RUNNING) {
triggerIDs[i] = ee.getAttemptId();
} else {
LOG.info("Checkpoint triggering task {} is not being executed at the moment. Aborting checkpoint.",
tasksToTrigger[i].getSimpleName());
return false;
}
}只要有一个task不满足条件，则不会触发检查点，并立即返回。
然后检查是否所有需要ack检查点的task都处于运行状态：
Map<ExecutionAttemptID, ExecutionVertex> ackTasks = new HashMap<>(tasksToWaitFor.length);
for (ExecutionVertex ev : tasksToWaitFor) {
Execution ee = ev.getCurrentExecutionAttempt();
if (ee != null) {
ackTasks.put(ee.getAttemptId(), ev);
} else {
LOG.info("Checkpoint acknowledging task {} is not being executed at the moment. Aborting checkpoint.",
ev.getSimpleName());
return false;
}
}如果有一个task不满足条件，则不会触发检查点，并立即返回。
以上条件都满足（即没有return false;），才具备触发一个检查点的基本条件。
下一步，获得checkpointId：
final long checkpointID;
if (nextCheckpointId < 0) {
try {
// this must happen outside the locked scope, because it communicates
// with external services (in HA mode) and may block for a while.
checkpointID = checkpointIdCounter.getAndIncrement();
}
catch (Throwable t) {
int numUnsuccessful = ++numUnsuccessfulCheckpointsTriggers;
LOG.warn("Failed to trigger checkpoint (" + numUnsuccessful + " consecutive failed attempts so far)", t);
return false;
}
}
else {
checkpointID = nextCheckpointId;
}这依赖于该方法的另一个参数nextCheckpointId，如果其值为-1，则起到标识的作用，指示checkpointId将从外部获取（比如Zookeeper，后续文章会谈及检查点ID的生成机制）。
接着创建一个PendingCheckpoint对象：
final PendingCheckpoint checkpoint = new PendingCheckpoint(job, checkpointID, timestamp, ackTasks);该类表示一个待处理的检查点。
与此同时，会定义一个针对当前检查点超时进行资源清理的取消器canceller。该取消器主要是针对检查点没有释放资源的情况进行资源释放操作，同时还会调用triggerQueuedRequests方法启动一个触发检查点的定时任务，如果有的话（取决于triggerRequestQueued是否为true）。
然后会再次进入同步代码段，对上面的是否新建检查点的判断条件做二次检查，防止产生竞态条件。这里做二次检查的原因是，中间有一段关于获得checkpointId的代码，不在同步块中。
检查后，如果触发检查点的条件仍然是满足的，那么将上面创建的PendingCheckpoint对象加入集合中：
pendingCheckpoints.put(checkpointID, checkpoint);同时会启动针对当前检查点的超时取消器：
timer.schedule(canceller, checkpointTimeout);接下来会发送消息给task以真正触发检查点（基于消息驱动的协同机制）：
for (int i = 0; i < tasksToTrigger.length; i++) {
ExecutionAttemptID id = triggerIDs[i];
TriggerCheckpoint message = new TriggerCheckpoint(job, id, checkpointID, timestamp);
tasksToTrigger[i].sendMessageToCurrentExecution(message, id);
}基于Actor的消息驱动的协同机制
上面已经谈到了检查点的触发机制是基于定时任务的周期性触发，那么定时任务的启停机制又是什么？Flink使用的是基于AKKA的Actor模型的消息驱动机制。
类CheckpointCoordinatorDeActivator是一个Actor的实现，它用于基于消息来驱动检查点的定时任务的启停：
public void handleMessage(Object message) {
if (message instanceof ExecutionGraphMessages.JobStatusChanged) {
JobStatus status = ((ExecutionGraphMessages.JobStatusChanged) message).newJobStatus();
if (status == JobStatus.RUNNING) {
// start the checkpoint scheduler
coordinator.startCheckpointScheduler();
} else {
// anything else should stop the trigger for now
coordinator.stopCheckpointScheduler();
}
}
// we ignore all other messages
}该Actor会收到Job状态的变化通知：JobStatusChanged。一旦变成RUNNING，那么检查点的定时任务会被立即启动；否则会被立即关闭。
该Actor被创建的代码是CheckpointCoordinator中的createActivatorDeactivator方法：
public ActorGateway createActivatorDeactivator(ActorSystem actorSystem, UUID leaderSessionID) {
synchronized (lock) {
if (shutdown) {
throw new IllegalArgumentException("Checkpoint coordinator is shut down");
}
if (jobStatusListener == null) {
Props props = Props.create(CheckpointCoordinatorDeActivator.class, this, leaderSessionID);
// wrap the ActorRef in a AkkaActorGateway to support message decoration
jobStatusListener = new AkkaActorGateway(actorSystem.actorOf(props), leaderSessionID);
}
return jobStatusListener;
}
}既然，是基于消息驱动机制，那么就需要各种类型的消息对应不同的业务逻辑。这些消息在Flink中被定义在package:org.apache.flink.runtime.messages.checkpoint中。
类图如下：
AbstractCheckpointMessage
检查点消息的基础抽象类，提供了三个公共属性（从构造器注入）：
- job：
JobID的实例，表示当前这条消息实例的归属； - taskExecutionId：
ExecutionAttemptID的实例，表示检查点的源/目的任务 - checkpointId：当前消息协调的检查点ID
除此之外，该实现仅仅override了hashCode和equals方法。
TriggerCheckpoint
该消息由JobManager发送给TaskManager，用于告诉一个task触发它的检查点。
触发消息
位于CheckpointCoordinator类的triggerCheckpoint中，上面已经提及过。
for (int i = 0; i < tasksToTrigger.length; i++) {
ExecutionAttemptID id = triggerIDs[i];
TriggerCheckpoint message = new TriggerCheckpoint(job, id, checkpointID, timestamp);
tasksToTrigger[i].sendMessageToCurrentExecution(message, id);
}消息处理
TaskManager的handleCheckpointingMessage实现：
case message: TriggerCheckpoint =>
val taskExecutionId = message.getTaskExecutionId
val checkpointId = message.getCheckpointId
val timestamp = message.getTimestamp
log.debug(s"Receiver TriggerCheckpoint $checkpointId@$timestamp for $taskExecutionId.")
val task = runningTasks.get(taskExecutionId)
if (task != null) {
task.triggerCheckpointBarrier(checkpointId, timestamp)
} else {
log.debug(s"TaskManager received a checkpoint request for unknown task $taskExecutionId.")
}主要是触发检查点屏障Barrier。
DeclineCheckpoint
该消息由TaskManager发送给JobManager，用于告诉检查点协调器：检查点的请求还没有能够被处理。这种情况通常发生于：某task已处于RUNNING状态，但在内部可能还没有准备好执行检查点。
它除了AbstractCheckpointMessage需要的三个属性外，还需要用于关联检查点的timestamp。
触发消息
位于Task类的triggerCheckpointBarrier方法中：
Runnable runnable = new Runnable() {
@Override
public void run() {
try {
boolean success = statefulTask.triggerCheckpoint(checkpointID, checkpointTimestamp);
if (!success) {
DeclineCheckpoint decline = new DeclineCheckpoint(jobId, getExecutionId(), checkpointID, checkpointTimestamp);
jobManager.tell(decline);
}
}
catch (Throwable t) {
if (getExecutionState() == ExecutionState.RUNNING) {
failExternally(new RuntimeException(
"Error while triggering checkpoint for " + taskName,
t));
}
}
}
};消息处理
位于JobManager的handleCheckpointMessage中
具体的实现在CheckpointCoordinator的receiveDeclineMessage中：
首先从接收的消息中(DeclineCheckpoint)获得检查点编号：
final long checkpointId = message.getCheckpointId();接下来的逻辑是判断当前检查点是否是未完成的检查点：isPendingCheckpoint
接下来分为三种情况对待：
- 如果是未完成的检查点，并且相关资源没有被释放（检查点没有被
discarded）
isPendingCheckpoint = true;
pendingCheckpoints.remove(checkpointId);
checkpoint.discard(userClassLoader);
rememberRecentCheckpointId(checkpointId);置isPendingCheckpoint为true，根据检查点编号，将检查点从未完成的检查点集合中移除，discard检查点，记住最近的检查点（将其保持到到一个最近的检查点列表中）。
接下来查找是否还有待处理的检查点，根据检查点时间戳来判断：
boolean haveMoreRecentPending = false;
Iterator<Map.Entry<Long, PendingCheckpoint>> entries = pendingCheckpoints.entrySet().iterator();
while (entries.hasNext()) {
PendingCheckpoint p = entries.next().getValue();
if (!p.isDiscarded() && p.getCheckpointTimestamp() >= checkpoint.getCheckpointTimestamp()) {
haveMoreRecentPending = true;
break;
}
}根据标识haveMoreRecentPending来进入不同的处理逻辑：
if (!haveMoreRecentPending && !triggerRequestQueued) {
LOG.info("Triggering new checkpoint because of discarded checkpoint " + checkpointId);
triggerCheckpoint(System.currentTimeMillis());
} else if (!haveMoreRecentPending) {
LOG.info("Promoting queued checkpoint request because of discarded checkpoint " + checkpointId);
triggerQueuedRequests();
}如果有需要处理的检查点，并且当前能立即处理，则立即触发检查点定时任务；如果有需要处理的检查点，但不能立即处理，则触发入队的定时任务。
- 如果是未完成的检查点，并且检查点已经被
discarded
抛出IllegalStateException异常
- 如果不是未完成的检查点
如果在最近未完成的检查点列表中找到，则有可能表示消息来迟了，将isPendingCheckpoint置为true，否则将isPendingCheckpoint置为false.
最后返回isPendingCheckpoint。
AcknowledgeCheckpoint
该消息是一个应答信号，表示某个独立的task的检查点已经完成。也是由TaskManager发送给JobManager。该消息会携带task的状态：
- state
- stateSize
触发消息
RuntimeEnvironment类的acknowledgeCheckpoint方法。
消息处理
具体的实现在CheckpointCoordinator的receiveAcknowledgeMessage中，开始的实现同receiveDeclineMessage，也是判断当前接收到的消息中包含的检查点是否是待处理的检查点。如果是，并且也没有discard掉，则执行如下逻辑：
if (checkpoint.acknowledgeTask(message.getTaskExecutionId(), message.getState(), message.getStateSize())) {
if (checkpoint.isFullyAcknowledged()) {
completed = checkpoint.toCompletedCheckpoint();
completedCheckpointStore.addCheckpoint(completed);
LOG.info("Completed checkpoint " + checkpointId + " (in " +
completed.getDuration() + " ms)");
LOG.debug(completed.getStates().toString());
pendingCheckpoints.remove(checkpointId);
rememberRecentCheckpointId(checkpointId);
dropSubsumedCheckpoints(completed.getTimestamp());
onFullyAcknowledgedCheckpoint(completed);
triggerQueuedRequests();
}
}检查点首先应答相关的task，如果检查点已经完全应答完成，则将检查点转换成CompletedCheckpoint，然后将其加入completedCheckpointStore列表，并从pendingCheckpoints中移除。然后调用dropSubsumedCheckpoints它会从pendingCheckpoints中diacard所有时间戳小于当前检查点的时间戳，并从集合中移除。
最后，如果该检查点被转化为已完成的检查点，则：
if (completed != null) {
final long timestamp = completed.getTimestamp();
for (ExecutionVertex ev : tasksToCommitTo) {
Execution ee = ev.getCurrentExecutionAttempt();
if (ee != null) {
ExecutionAttemptID attemptId = ee.getAttemptId();
NotifyCheckpointComplete notifyMessage = new NotifyCheckpointComplete(job, attemptId, checkpointId, timestamp);
ev.sendMessageToCurrentExecution(notifyMessage, ee.getAttemptId());
}
}
statsTracker.onCompletedCheckpoint(completed);
}迭代所有待commit的task，发送NotifyCheckpointComplete消息。同时触发状态跟踪器的onCompletedCheckpoint回调方法。
NotifyCheckpointComplete
该消息由JobManager发送给TaskManager，用于告诉一个task它的检查点已经得到完成确认，task可以向第三方提交该检查点。
触发消息
位于CheckpointCoordinator类的receiveAcknowledgeMessage方法中，当检查点acktask完成，转化为CompletedCheckpoint之后
if (completed != null) {
final long timestamp = completed.getTimestamp();
for (ExecutionVertex ev : tasksToCommitTo) {
Execution ee = ev.getCurrentExecutionAttempt();
if (ee != null) {
ExecutionAttemptID attemptId = ee.getAttemptId();
NotifyCheckpointComplete notifyMessage = new NotifyCheckpointComplete(job, attemptId, checkpointId, timestamp);
ev.sendMessageToCurrentExecution(notifyMessage, ee.getAttemptId());
}
}
statsTracker.onCompletedCheckpoint(completed);
}消息处理
TaskManager的handleCheckpointingMessage
实现：
case message: NotifyCheckpointComplete =>
val taskExecutionId = message.getTaskExecutionId
val checkpointId = message.getCheckpointId
val timestamp = message.getTimestamp
log.debug(s"Receiver ConfirmCheckpoint $checkpointId@$timestamp for $taskExecutionId.")
val task = runningTasks.get(taskExecutionId)
if (task != null) {
task.notifyCheckpointComplete(checkpointId)
} else {
log.debug(
s"TaskManager received a checkpoint confirmation for unknown task $taskExecutionId.")
}主要是触发task的notifyCheckpointComplete方法。
小结
这篇文章主要讲解了检查点的基于定时任务的周期性的触发机制，以及基于Akka的Actor模型的消息驱动的协同处理机制。
原文发布时间为：2016-05-29
本文作者：vinoYang
本文来自云栖社区合作伙伴CSDN博客，了解相关信息可以关注CSDN博客。
