分布式快照<br>Chandy-Lamport<br>
特定的时间<br>记录下来分布式系统的全局状态 【global state】<br>
global state 要包含<font color="#ec7270">所有进程的状态以及所有</font><font color="#70d5d7">channel的状态</font><br>
Barrier<br>
同时存储状态和管道数据太复杂了<br>所以flink想到一个方法只存储状态<br>如果只存储状态--让管道没有数据即可，需要拍摄快照时将后续的<font color="#70d5d7">数据全部拦截</font>不进行发送等最后一条记录依次通过各个算子，计算完成后拍摄算子的状态信息
<br>
发生故障时候去检查点找最后一次有效状态
上面的思想有个重大问题就是：检查点触发的时候会导致数据源无法向下游派发数据 ，导致集群的实时计算被停滞<br>
数据在传递的过程中有可能只进入某个算子的task中进行计算<br>
解决这些问题引入Barrier :会以检查点ID为数据发送一个barrier这个barrier 在传递的过程中都会被广播到下游<br>
barrier不会进行任何的计算 就是为了分割数据<br>
barrier之前是当前检查点数据<br>
barrier之后是下一个检查点数据<br>
当算子的task接受到barrier说明当前检查点的数据全部被执行完，就会保存当前的task状态<br>
发送barrier之后 后续的数据继续传输 整个集群还是一个实时计算 flink只需要保存状态就可以<br>
<br>
Barrier对齐：<br>等到上游的barrier都到齐，才能保存当前任务的状态<br>等到上游的所有并行子分区barrier都到齐，才去保存当前任务状态<br>
如果barrier1 先到达下游 barrier2还在管道中<br>此时无法存储状态，因为barrier2到来之前说明当前检查点的数据还有一部分缺失<br>barrier1:<font color="#ec7270">不能计算barrier之后的数据【这些数据属于下一个检查点</font>】还要将自己管道的数据库<font color="#e74f4c">先存储到当前算子缓存中</font><br>barrier2:继续发送数据知道barrrier2到达<br>当1和2都到之后才能保存状态 <br>
<br>
Barrier缺点：先到达分区的要做缓存，会造成数据堆积（背压）(对不齐)<br>
第一次收到barrier就开始存档<br>
<br>
