我正在写一个测试flink两步提交的案例,下面是概述。sink kafka
曾经是Kafka的制作人。 sink step
mysql是否扩展 two step commit
. sink compare
mysql是否扩展 two step commit
,此接收器偶尔会抛出一个exeption来模拟检查点失败。
当checkpoint失败并恢复时,我发现mysql两步提交可以正常工作,但是kafka使用者会读取上次成功的偏移量,kafka生产者会生成消息,即使他在这个checkpoint失败之前已经完成了。
在这种情况下如何避免重复消息?
谢谢你的帮助。
环境:
Flink1.9.1
java 1.8版
Kafka2.11
Kafka制作人代码:
dataStreamReduce.addSink(new FlinkKafkaProducer<>(
"flink_output",
new KafkaSerializationSchema<Tuple4<String, String, String, Long>>() {
@Override
public ProducerRecord<byte[], byte[]> serialize(Tuple4<String, String, String, Long> element, @Nullable Long timestamp) {
UUID uuid = UUID.randomUUID();
JSONObject jsonObject = new JSONObject();
jsonObject.put("uuid", uuid.toString());
jsonObject.put("key1", element.f0);
jsonObject.put("key2", element.f1);
jsonObject.put("key3", element.f2);
jsonObject.put("indicate", element.f3);
return new ProducerRecord<>("flink_output", jsonObject.toJSONString().getBytes(StandardCharsets.UTF_8));
}
},
kafkaProps,
FlinkKafkaProducer.Semantic.EXACTLY_ONCE
)).name("sink kafka");
检查点设置:
StreamExecutionEnvironment executionEnvironment = StreamExecutionEnvironment.getExecutionEnvironment();
executionEnvironment.enableCheckpointing(10000);
executionEnvironment.getCheckpointConfig().setTolerableCheckpointFailureNumber(0);
executionEnvironment.getCheckpointConfig().setPreferCheckpointForRecovery(true);
mysql接收器:
dataStreamReduce.addSink(
new TwoPhaseCommitSinkFunction<Tuple4<String, String, String, Long>,
Connection, Void>
(new KryoSerializer<>(Connection.class, new ExecutionConfig()), VoidSerializer.INSTANCE) {
int count = 0;
Connection connection;
@Override
protected void invoke(Connection transaction, Tuple4<String, String, String, Long> value, Context context) throws Exception {
if (count > 10) {
throw new Exception("compare test exception.");
}
PreparedStatement ps = transaction.prepareStatement(
" insert into test_two_step_compare(slot_time, key1, key2, key3, indicate) " +
" values(?, ?, ?, ?, ?) " +
" ON DUPLICATE KEY UPDATE indicate = indicate + values(indicate) "
);
ps.setString(1, context.timestamp().toString());
ps.setString(2, value.f0);
ps.setString(3, value.f1);
ps.setString(4, value.f1);
ps.setLong(5, value.f3);
ps.execute();
ps.close();
count += 1;
}
@Override
protected Connection beginTransaction() throws Exception {
LOGGER.error("compare in begin transaction");
try {
if (connection.isClosed()) {
throw new Exception("mysql connection closed");
}
}catch (Exception e) {
LOGGER.error("mysql connection is error: " + e.toString());
LOGGER.error("reconnect mysql connection");
String jdbcURI = "jdbc:mysql://";
Class.forName("com.mysql.jdbc.Driver");
Connection connection = DriverManager.getConnection(jdbcURI);
connection.setAutoCommit(false);
this.connection = connection;
}
return this.connection;
}
@Override
protected void preCommit(Connection transaction) throws Exception {
LOGGER.error("compare in pre Commit");
}
@Override
protected void commit(Connection transaction) {
LOGGER.error("compare in commit");
try {
transaction.commit();
} catch (Exception e) {
LOGGER.error("compare Commit error: " + e.toString());
}
}
@Override
protected void abort(Connection transaction) {
LOGGER.error("compare in abort");
try {
transaction.rollback();
} catch (Exception e) {
LOGGER.error("compare abort error." + e.toString());
}
}
@Override
protected void recoverAndCommit(Connection transaction) {
super.recoverAndCommit(transaction);
LOGGER.error("compare in recover And Commit");
}
@Override
protected void recoverAndAbort(Connection transaction) {
super.recoverAndAbort(transaction);
LOGGER.error("compare in recover And Abort");
}
})
.setParallelism(1).name("sink compare");
1条答案
按热度按时间wa7juj8i1#
我不太确定我是否正确理解了这个问题:
当检查点失败并恢复时,我发现mysql两步提交可以正常工作,但是kafka生产者将读取上次成功的偏移量并生成消息,即使他在检查点失败之前已经完成了。
Kafka制作人没有读取任何数据。所以,我假设整个管道重新读取旧的偏移量并生成重复的偏移量。如果是这样的话,你需要了解Flink是如何确保一次。
创建定期检查点以在出现故障时保持一致的状态。
这些检查点包含检查点时最后一条成功读取记录的偏移量。
恢复后,flink将从上次成功检查点中存储的偏移量中重新读取所有记录。因此,将重放上次检查点和失败之间生成的相同记录。
重放的记录将恢复故障前的状态。
它将产生源于重放输入记录的重复输出。
接收器有责任确保没有副本有效地写入目标系统。
对于最后一点,有两个选项:
只输出数据,当一个检查点被写入时,这样目标中就不会出现有效的重复项。这种简单的方法非常通用(独立于接收器),但会将检查点间隔添加到延迟中。
让接收器对输出进行重复数据消除。
后者用于KafkaFlume。它使用kafka事务来消除重复数据。为了避免在使用者端重复,您需要确保它没有读取文档中提到的未提交数据。还要确保事务超时足够大,在失败和恢复之间不会丢弃数据。