Flink的可靠性基石-Checkpoint容错机制
1.概述
flink 的checkpoint机制可以保证Flink 整个集群在某个算子因为某些原因出现故障时，能够将整个应用流图的状态恢复到故障之前的某一状态，保证应用流图的状态一致性。Flink的Checkpoint机制原理来自“Chandy-Lamport algorithm”算法。
2.原理
每个需要Checkpoint的应用在启动时，Flink的JobManager为其创建一个CheckpointCoordinator（检查点协调器），CheckpointCoordination全权负责本应用的快照制作。
过程：
（1）CheckpointCoordinator(检查点协调器) 周期性的向该流应用的所有source算子发送 barrier(屏障)。
（2）当某个source算子收到一个barrier时，便暂停数据处理过程，然后将自己的当前状态制作成快照，并保存到指定的持久化存储中，最后向CheckpointCoordinator报告自己快照制作情况，同时向自身所有下游算子广播该barrier，恢复数据处理
（3）下游算子收到barrier之后，会暂停自己的数据处理过程，然后将自身的相关状态制作成快照，并保存到指定的持久化存储中，最后向CheckpointCoordinator报告自身快照情况，同时向自身所有下游算子广播该barrier，恢复数据处理。
（4）每个算子按照步骤3不断制作快照并向下游广播，直到最后barrier传递到sink算子，快照制作完成。
（5）当CheckpointCoordinator收到所有算子的报告之后，认为该周期的快照制作成功; 否则，如果在规定的时间内没有收到所有算子的报告，则认为本周期快照制作失败。
3.Flink 的Checkpoint与Spark的相比，Flink有什么区别或者优势吗？
Spark Streaming的Checkpoint仅仅针对的是Driver的故障恢复做了数据和元数据的Checkpoint。而Flink的Checkpoint机制要复杂的多，它采用的是轻量级的分布式快照，实现了每个算子的快照，及流动中的数据的快照。