随着数据量的爆炸性增长和业务需求的日益复杂化，企业对实时数据处理能力的需求愈发迫切。Flink作为一种强大的流处理框架已经成为实时计算标准，其规范化的开发和运维流程对于企业提升数据处理效率、确保系统稳定性至关重要，旨在提升研发效率，保障项目顺利进行。实时计算Flink版基于Apache Flink构建了一站式开发运维管理平台，支持作业开发、数据调试、运行与监控、自动调优、智能诊断等全生命周期能力。本文为您介绍实时计算Flink版在实时计算研发规范的阶段规划、角色职责和整体流程。
阶段规划
-
需求阶段：产品经理需理解业务需求，评估实时数据处理的需求，并产出需求文档。
-
设计阶段：数据架构师根据需求文档，设计实时数据流处理架构，包括数据源接入、数据转换、存储和查询等。
-
开发阶段：开发人员基于设计文档，使用Flink等工具实现实时数据处理逻辑，并进行单元测试。
-
测试阶段：测试人员编写测试用例，进行功能测试、性能测试和异常测试，确保数据处理的准确性和稳定性。
-
部署阶段：运维人员负责将开发完成的实时数据处理作业部署到生产环境。
-
运维阶段：运维人员和开发人员共同监控系统运行状态，根据监控结果进行性能调优。
角色职责
-
产品经理：负责收集和评估业务需求，产出需求文档，并与技术团队沟通确保需求的可实施性。
-
数据架构师：负责设计实时数据处理架构，包括数据流架构设计以及方案选型。
-
开发人员：负责编写Flink代码或应用程序，实现数据处理逻辑，并进行代码审查以及作业调试等单元测试。
-
测试人员：负责编写和执行测试用例，确保程序的稳定性和性能。
-
运维人员：负责部署、监控和维护实时数据处理系统，确保系统的高可用性和稳定性。
-
安全专家：负责实施数据加密、维护访问控制机制以及负责配置和管理网络隔离措施等，确保实时数据处理流程符合安全和合规要求。
实时湖仓研发规范整体流程
-
需求分析
-
数据产品经理与业务团队合作，明确实时数据处理的目标和需求。
-
确定数据源、数据类型、处理逻辑、输出需求等。
-
-
架构设计
-
数据架构师设计实时数据处理架构，包括数据源、转换、存储和查询等。
-
选择合适的数据处理工具和存储解决方案。
-
-
安全规范
-
安全专家参与设计，确保架构符合安全标准和合规要求。
-
实施敏感信息密文、访问控制和权限隔离等安全措施。
-
-
作业开发
-
开发人员根据架构设计，进行数据转换、处理逻辑和ETL设计。
-
使用Flink实现数据处理逻辑，并进行单元测试。
-
-
代码审查
-
进行代码审查，确保代码质量和安全性。
-
应用自动化工具进行静态代码分析。
-
-
测试阶段
-
测试人员编写测试用例，进行功能测试、性能测试和异常测试。
-
确保数据处理的准确性和稳定性。
-
-
部署上线
-
运维人员将系统部署到生产环境。
-
进行部署前的安全检查和配置验证。
-
-
监控运维
-
运维人员和开发人员共同监控系统运行状态。
-
根据监控结果进行性能调优和故障响应。
-
-
性能测试
-
测试人员进行负载测试和压力测试，确保系统在高负载下的性能。
-
优化系统配置和资源分配。
-
-
备份与恢复
-
实施定期的数据备份和恢复策略。
-
验证备份数据的完整性和可恢复性。
-
-
审计与合规
-
定期进行安全审计和合规性检查。
-
确保所有操作符合法律法规和公司政策。
-
在进行作业恢复时，从检查点或快照中恢复相较于无状态启动，关键在于高效地从远程持久存储中下载状态文件并重建状态引擎。这一步骤需要执行大量的输入输出操作，容易成为恢复过程中的效率瓶颈，可能会造成作业的长时间停滞。本文为您介绍作业启动和扩缩容过程中瓶颈问题的诊断方法和调优策略，助力您高效提升系统性能。
诊断步骤
在作业启动或进行扩容操作期间，如果发现作业长时间停留在初始化阶段，应首先诊断是否存在初始化瓶颈。以下是推荐的诊断步骤：
-
使用诊断工具分析算子状态 ：利用Thread Dump、线程动态分析和火焰图等工具，检查初始化阶段的算子线程栈。重点关注线程栈是否长时间处于等待状态，尤其是在Gemini等状态存储系统上的操作。诊断工具使用方式请参见分析工具使用方式。
-
识别状态算子的初始化问题：如果发现某个算子长时间处于初始化状态，且该算子涉及状态处理，那么可以推断问题可能出在状态的下载或重建过程中。
调优策略
为了提升作业启动和扩容效率，一旦确定大状态处理是作业初始化的瓶颈，您可以参考如下方案进行针对性调整。
|---------------------------------------|-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|--------------------------------------------------------------------------------------------------|
| 策略 | 策略说明 | 配置方法 | 注意事项 |
| 动态扩缩容 | 可以实现更快的让参数配置生效，减少作业启停对业务的中断时间，方便进行TM动态扩缩容。 | 详情请参见动态扩缩容与参数动态更新。 | 动态更新为实验性功能，在动态更新参数时，业务并不是完全不中断。相比传统的参数修改模式，动态更新能够显著缩短中断时间，但中断的具体时长受到作业拓扑和状态大小等因素的影响，通常在5秒至1分钟之间。 |
| Local Recovery：本地备份快照加速恢复 | 在本地同时存储快照，可减少恢复过程中的数据下载需求。当本地磁盘空间充裕时，为首选方案。 | 在运行参数中配置 state.backend.local-recovery: true ，配置方法请参见如何配置作业运行参数？ | * 实验性功能，VVR 8.0.8及以上版本推荐开启。 * 适用于作业Failover或者动态参数更新的场景，手动停止重启无法生效。 * 会多占用部分本地磁盘资源。 |
| GeminiStateBackend智能懒加载和延迟剪裁：异步状态恢复方案 | 作为平台核心技术GeminiStateBackend，即使面对大规模状态的作业，也能仅通过下载必要的元数据快速启动，实现对数据的即时处理。随后，系统将通过异步下载和智能裁剪技术，有效处理远程检查点文件，显著降低作业中断时间，提升效率超过90%，详情请参见企业级状态后端存储介绍。 | 在运行参数中配置 state.backend.gemini.file.cache.download.type: LazyDownloadOnRestore ，配置方法请参见如何配置作业运行参数？ 说明 仅实时计算引擎VVR 6.0.6及以上版本支持该参数。 | 作业刚启动后的一小段时间内，会异步下载状态文件，作业性能逐步恢复，因此一开始性能会稍微低一些 |