Flink全链路延迟的测量方式

一、背景

FLink Job端到端延迟是一个重要的指标，用来衡量Fl ink任务的整体性能和响应延迟（大部分流式应用，要求低延迟特性）。

通过流处理引擎竞品对比，我们发现大部分流计算引擎产品，都在告警监控页面，集成了全链路时延指标展示。

一些低延时的处理场景，例如用于登陆、用户下单规则检测，实时预测场景，需要一个可度量的Metric指标，来实时观测、监控集群全链路时延情况。

二、源码分析来源

1、本文的源码分析基于FLink社区issue FLINK-3660，以及issue对应的pr源码pull-2386，另外，个人也新增了实现源码的说明。

2、其pr源码中只涉及到了部分全链路时延实现代码，因此，我在文章中总结了：

• Source到Sink处理Latency Marker源码

• LatencyMarksEmitter 提交时延标记类

• LatencyStats（时延直方图Metric实现）源码

• 时延测量–整体架构图

三、腾讯Oceanus监控指标参考

如下图，红色框线对应的数据延时，即我们描述的指标

四、Flink LatencyMarker实现思路

在webinterface中，加入流式job的端到端延迟是一个重要特性。 因此，FLink社区最初的想法是在每个记录的source上附加一个摄取时间( ingestion -time)时间戳。

然而，这为不使用monitor feature（监控功能）的用户，带来了额外开销(每个元素+每个元素上的System.currentTimeMilis()需要8个字节)。

因此，FLink社区最后决定，通过定期发送特殊事件来实现此功能，类似于通过拓扑发送水印watermark。

这些特殊事件（LatencyMarker）在source上以可配置发送间隔，并由任务Task转发。 Sink最后接收到LatencyMarks后，将比较LatencyMarker的时间戳与当前系统时间，以确定延迟。

LatencyMarker不会增加作业的延迟，但是LatencyMarker与常规记录类似，可以被delay阻塞（例如反压情况），因此LatencyMarker的延迟与Record延迟近似。

上述建议期望所有任务管理器TaskManager上的时钟是同步的。 否则，测量的延迟也包括TaskManager时钟之间的偏移。

后续，我们可以尝试通过使用JobManager作为计时服务中心（central timing service）来缓解这个问题。 taskmanager将定期查询JM的当前时间，以确定其时钟的偏移量。

这个偏移量仍然包括TM和JM之间的网络延迟，但是仍然比较好的测量时延。

五、Flink LatencyMarker实现源码

本章节对应到pr源码pull-2386的实现，这里简要说明。

Flink源码中，引入了一个新的StreamElement，称为LatencyMarker。

与水印类似，LatencyMarker按配置的间隔从源发出。 这个时间间隔的默认值是0毫秒，即不触发 (配置项在ExecutionConfig#latencyTrackingInterval，名称metrics.latency.interval)，例如可以配置成2000毫秒触发一次LatencyMarker发送。

LatencyMarker不能“多于”常规元素。 这确保了测量的延迟接近于常规流元素的端到端延迟。

常规操作符Operator(不包括那些参与迭代的Operator)如果不是sink，就会转发延迟标记LatencyMarker。

具有多个输出channel的Operator，随机选择一个channel通道，将LatencyMarker发送给它。 这可以确保每个LatencyMarker标记在系统中只存在一次，并且重新分区步骤不会导致传输的LatencyMarker数量激增。

<span><span>public</span> <span><span>class</span> <span>RecordWriterOutput</span></span>{</span>

<span> <span>@Override</span></span>

<span> <span><span>public</span> <span>void</span> <span>emitLatencyMarker</span><span>(LatencyMarker latencyMarker)</span> </span>{</span>

<span> serializationDelegate.setInstance(latencyMarker);</span>

<span><br /></span>

<span> <span>try</span> {</span>

<span> <span>// 内部实现了随机选择通道</span></span>

<span> recordWriter.randomEmit(serializationDelegate);</span>

<span> }</span>

<span> <span>catch</span> (Exception e) {</span>

<span> <span>throw</span> <span>new</span> RuntimeException(e.getMessage(), e);</span>

<span> }</span>

<span> }</span>

<span>}</span>

<span><br /></span>

上述RecordWriterOutput#emitLatencyMarker()会被StreamSource、AbstractStreamOperator调用，分别实现source和中间operator的延迟标记下发

如果操作符Operator是Sink，它将维护每个已知source实例的最后512个LatencyMarker信息。

每个已知source的最小/最大/平均值/p50/p95/p99时延，在sink的LatencyStats对象中，进行汇总(如果没有任何输出的Operator，就是是sink)。

此pr代码，不会在web ui中显示延迟。 此外，目前还没有确保系统时钟同步的机制，因此如果硬件时钟不正确，则延迟测量将不准确。

六、总结说明

1、LatencyMarker不参与window、MiniBatch的缓存计时，直接被中间Operator下发。

2、Metric路径:TaskManagerJobMetricGroup/operator_id/operator_subtask_index/latency

3、每个中间Operator、以及Sink都会统计自己与Source节点的链路延迟，我们在监控页面，一般展示Source至Sink链路延迟。

4、延迟粒度细分到Task，可以用来排查哪台机器的Task时延偏高，进行对比和运维排查。

5、从实现原理来看，发送时延标记间隔配置大一些（例如20秒一次），一般不会影响系统处理业务数据的性能。